| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-27页 |
| ·研究的目的与意义 | 第13-14页 |
| ·FDD的基本问题 | 第14-17页 |
| ·FDD的一些基本概念 | 第14-15页 |
| ·FDD的任务和主要研究内容 | 第15-16页 |
| ·FDD系统性能评价指标 | 第16-17页 |
| ·FDD的代表性方法和研究现状 | 第17-25页 |
| ·基于系统数学模型的方法 | 第17-22页 |
| ·基于状态估计的方法 | 第17-20页 |
| ·等价空间的方法 | 第20-21页 |
| ·基于参数估计的方法 | 第21-22页 |
| ·基于信号处理的方法 | 第22-23页 |
| ·基于δ算子的方法 | 第22页 |
| ·基于小波分析的方法 | 第22-23页 |
| ·基于工艺参数判别的方法 | 第23页 |
| ·统计校验的方法 | 第23页 |
| ·基于信息融合的方法 | 第23页 |
| ·基于知识的方法 | 第23-25页 |
| ·基于不确定信息理论的方法 | 第23-24页 |
| ·基于定性和半定性的方法 | 第24页 |
| ·专家系统的方法 | 第24页 |
| ·基于模式识别的方法 | 第24-25页 |
| ·基于故障树的方法 | 第25页 |
| ·基于图论的方法 | 第25页 |
| ·本文的主要内容 | 第25-27页 |
| 2 基于自适应模糊观测器的非线性系统鲁棒故障检测与诊断 | 第27-48页 |
| ·引言 | 第27页 |
| ·自适应模糊系统 | 第27-31页 |
| ·多输入—单输出(MISO)自适应模糊系统 | 第27-29页 |
| ·多输入—多输出(MIMO)自适应模糊系统 | 第29-31页 |
| ·基于自适应模糊输出观测器的故障检测 | 第31-35页 |
| ·问题描述 | 第31-32页 |
| ·改进的AFS参数调节算法 | 第32-34页 |
| ·仿真示例 | 第34-35页 |
| ·基于自适应模糊状态观测器和神经网络分类器的故障检测与分类 | 第35-43页 |
| ·系统描述 | 第35页 |
| ·基于自适应模糊状态观测器的故障检测 | 第35-38页 |
| ·故障检测仿真示例 | 第38-40页 |
| ·基于RBF神经网络的故障分类 | 第40-43页 |
| ·故障分类原理 | 第40页 |
| ·改进的故障分类算法 | 第40-42页 |
| ·故障分类仿真示例 | 第42-43页 |
| ·基于AFS的非线性系统故障辩识 | 第43-47页 |
| ·系统描述 | 第43-44页 |
| ·主要结果 | 第44-46页 |
| ·故障辩识仿真示例 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 3 基于T-S模糊模型的非线性系统奇偶方程鲁棒故障检测与诊断 | 第48-69页 |
| ·引言 | 第48页 |
| ·预备知识 | 第48-51页 |
| ·T-S模糊模型 | 第48-50页 |
| ·奇偶方程故障诊断方法 | 第50-51页 |
| ·基于T-S模糊模型的非线性系统奇偶方程故障检测与诊断 | 第51-63页 |
| ·系统描述 | 第51-52页 |
| ·模糊奇偶方程 | 第52-55页 |
| ·故障检测与诊断 | 第55-60页 |
| ·故障建模 | 第55-56页 |
| ·奇偶向量的求解 | 第56-57页 |
| ·故障检测与诊断的实现 | 第57-60页 |
| ·仿真示例 | 第60-63页 |
| ·基于T-S模糊模型的非线性不确定系统奇偶方程鲁棒故障检测与诊断 | 第63-68页 |
| ·系统描述 | 第63-64页 |
| ·模糊奇偶方程 | 第64-65页 |
| ·鲁棒故障检测与诊断 | 第65-67页 |
| ·仿真示例 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 4 基于不确定信息理论的非线性系统综合故障诊断方法 | 第69-88页 |
| ·引言 | 第69-70页 |
| ·预备知识 | 第70-72页 |
| ·模糊诊断理论基础 | 第70-71页 |
| ·粗糙集理论基础 | 第71-72页 |
| ·基于模糊理论的综合故障诊断方法 | 第72-83页 |
| ·综合故障诊断系统结构 | 第72-73页 |
| ·综合故障诊断方法 | 第73-76页 |
| ·确定综合故障诊断的集合和模糊关系矩阵 | 第73-74页 |
| ·综合故障诊断的实现 | 第74-75页 |
| ·综合故障诊断的流程 | 第75-76页 |
| ·诊断实例 | 第76-83页 |
| ·电动机的数学模型及额定参数 | 第76-77页 |
| ·确定诊断集合及模糊关系矩阵 | 第77-78页 |
| ·基于自适应模糊状态观测器的故障检测 | 第78-80页 |
| ·综合故障诊断实验结果 | 第80-83页 |
| ·基于粗集理论的综合故障诊断方法 | 第83-87页 |
| ·问题描述 | 第83-84页 |
| ·基于需求的约简算法 | 第84-85页 |
| ·综合故障诊断方法 | 第85-86页 |
| ·诊断实例 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 5 基于观测器的短时延NCS鲁棒故障检测与诊断 | 第88-110页 |
| ·引言 | 第88-89页 |
| ·短时延NCS模型描述 | 第89-90页 |
| ·基于H_∞状态观测器的短时延NCS故障检测 | 第90-100页 |
| ·短时延NCS模型的转换 | 第90-91页 |
| ·问题描述 | 第91-94页 |
| ·主要结果 | 第94-98页 |
| ·仿真示例 | 第98-100页 |
| ·基于H_2／H_∞状态观测器的短时延NCS故障检测 | 第100-105页 |
| ·问题描述 | 第100-101页 |
| ·主要结果 | 第101-103页 |
| ·仿真示例 | 第103-105页 |
| ·短时延NCS的奇偶方程故障诊断 | 第105-109页 |
| ·短时延NCS的奇偶方程 | 第105-106页 |
| ·故障诊断 | 第106-108页 |
| ·仿真示例 | 第108-109页 |
| ·本章小结 | 第109-110页 |
| 6 基于观测器的不确定长时延NCS鲁棒故障检测 | 第110-127页 |
| ·引言 | 第110-111页 |
| ·不确定长时延NCS的模型描述 | 第111-112页 |
| ·基于状态观测器的不确定长时延NCS故障检测 | 第112-119页 |
| ·问题描述 | 第112-113页 |
| ·主要结果 | 第113-116页 |
| ·仿真示例 | 第116-119页 |
| ·基于H_∞状态观测器的不确定长时延NCS故障检测 | 第119-126页 |
| ·问题描述 | 第119-120页 |
| ·主要结果 | 第120-124页 |
| ·仿真示例 | 第124-126页 |
| ·本章小结 | 第126-127页 |
| 7 总结与展望 | 第127-130页 |
| ·本文的主要工作 | 第127-128页 |
| ·主要创新点 | 第128页 |
| ·研究展望 | 第128-130页 |
| 致谢 | 第130-131页 |
| 作者攻博期间完成的论文 | 第131-132页 |
| 参考文献 | 第132-140页 |
