摘要 | 第9-10页 |
Abstract | 第10-11页 |
第1章 绪论 | 第12-21页 |
1.1 故障诊断的发展背景 | 第12-13页 |
1.2 故障诊断发展现状 | 第13-17页 |
1.2.1 故障诊断的发展历程 | 第13-14页 |
1.2.2 故障诊断的发展近况 | 第14-16页 |
1.2.3 故障诊断的发展限制 | 第16-17页 |
1.3 故障诊断概述 | 第17-19页 |
1.3.1 故障的概念 | 第17页 |
1.3.2 故障类型 | 第17-18页 |
1.3.3 诊断步骤 | 第18-19页 |
1.4 本文结构框架 | 第19-21页 |
第2章 故障诊断的原理及结合方法 | 第21-31页 |
2.1 控制系统运行行为描述 | 第21-24页 |
2.1.1 控制系统故障的数学表示 | 第21-22页 |
2.1.2 传感器故障模型 | 第22-23页 |
2.1.3 执行器故障模型 | 第23-24页 |
2.1.4 系统状态故障模型 | 第24页 |
2.2 故障诊断的观测器设计 | 第24-26页 |
2.3 神经网络应用于故障诊断的可能性分析 | 第26-30页 |
2.3.1 神经元模型 | 第26-28页 |
2.3.2 神经网络结构划分 | 第28-30页 |
2.3.3 将神经网络应用于故障诊断可能性分析 | 第30页 |
2.4 本章小结 | 第30-31页 |
第3章 基于自适应观测器的故障诊断 | 第31-45页 |
3.1 引言 | 第31页 |
3.2 线性系统自适应故障诊断 | 第31-37页 |
3.2.1 问题描述 | 第31-32页 |
3.2.2 基于定值故障的自适应故障诊断设计 | 第32-34页 |
3.2.3 基于时变故障的自适应故障估计 | 第34-37页 |
3.3 改进自适应故障估计 | 第37-40页 |
3.3.1 方法设计 | 第37-39页 |
3.3.2 研究结果 | 第39-40页 |
3.4 仿真研究 | 第40-44页 |
3.5 本章小结 | 第44-45页 |
第4章 基于未知输入观测器故障诊断 | 第45-58页 |
4.1 引言 | 第45页 |
4.2 传统观测器研究改进的方向 | 第45-46页 |
4.3 非线性系统状态描述 | 第46-47页 |
4.4 UIO观测器设计 | 第47-52页 |
4.4.1 故障检测观测器 | 第47-50页 |
4.4.2 故障隔离观测器 | 第50-52页 |
4.5 仿真研究 | 第52-57页 |
4.6 本章小结 | 第57-58页 |
第5章 基于模型与神经网络结合的诊断方法在卫星姿态系统中的应用 | 第58-78页 |
5.1 引言 | 第58页 |
5.2 基于模型和神经网络结合的故障检测 | 第58-65页 |
5.2.1 系统建模 | 第60-63页 |
5.2.2 故障解耦 | 第63-65页 |
5.3 补偿模型 | 第65-70页 |
5.3.1 基于神经网络的补偿模型构建 | 第66-68页 |
5.3.2 混合诊断方法的检测能力 | 第68页 |
5.3.3 补偿模型的精确性 | 第68-70页 |
5.4 故障决策 | 第70-72页 |
5.4.1 基于观测器残差的决策方案设计 | 第70页 |
5.4.2 基于检测残差的决策方案 | 第70-72页 |
5.5 故障诊断在卫星姿态控制系统中的应用 | 第72-74页 |
5.5.1 卫星模型建立 | 第72页 |
5.5.2 补偿模型构建 | 第72-74页 |
5.6 仿真研究 | 第74-77页 |
5.6.1 系统仿真参数 | 第74-75页 |
5.6.2 仿真结果 | 第75-77页 |
5.7 本章小结 | 第77-78页 |
第6章 总结与展望 | 第78-79页 |
参考文献 | 第79-83页 |
攻读硕士学位期间发表的学术论文 | 第83-84页 |
致谢 | 第84页 |