水下机器人推进器故障诊断技术研究
| 第1章 绪论 | 第1-19页 |
| ·概述 | 第10-11页 |
| ·故障诊断技术的发展及应用 | 第11-15页 |
| ·故障的划分 | 第11-12页 |
| ·故障诊断的方法 | 第12-13页 |
| ·故障诊断系统的基本结构 | 第13-14页 |
| ·故障诊断技术的现状 | 第14-15页 |
| ·水下机器人的故障检测与与诊断技术 | 第15-17页 |
| ·水下机器人故障诊断的方式 | 第15页 |
| ·水下机器人故障诊断国内外研究动态 | 第15-17页 |
| ·论文的主要工作 | 第17-19页 |
| ·论文研究背景及意义 | 第17-18页 |
| ·论文主要内容 | 第18-19页 |
| 第2章 水下机器人平台 | 第19-27页 |
| ·引言 | 第19页 |
| ·“beaver”自主式水下机器人平台 | 第19-25页 |
| ·“beaver”水下机器人能源配置 | 第21页 |
| ·“beaver”水下机器人传感器系统 | 第21-22页 |
| ·“beaver”水下机器人推进器 | 第22-23页 |
| ·“beaver”水下机器人计算机系统 | 第23-25页 |
| ·水下机器人基础运动控制系统 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 水下机器人及其推进器系统建模 | 第27-42页 |
| ·引言 | 第27页 |
| ·神经网络系统建模特点 | 第27-28页 |
| ·水下机器人运动模型 | 第28-34页 |
| ·回归型神经网络结构 | 第28-30页 |
| ·水下机器人运动模型结构 | 第30-31页 |
| ·机器人运动模型的学习算法 | 第31-32页 |
| ·基于Elman网络的水下机器人运动建模 | 第32-34页 |
| ·推进器状态监测器 | 第34-40页 |
| ·RBF网络结构 | 第34-35页 |
| ·RBF网络学习算法 | 第35-36页 |
| ·基于RBF网络的推进器状态监测器设计 | 第36-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 水下机器人推进器系统故障诊断 | 第42-61页 |
| ·引言 | 第42页 |
| ·水下机器人故障诊断系统 | 第42-51页 |
| ·故障诊断系统结构 | 第43-44页 |
| ·水下机器人运动状态监测子系统 | 第44-45页 |
| ·推进器故障诊断子系统 | 第45-51页 |
| ·推进器故障诊断方法 | 第45-47页 |
| ·推进器故障分类方法 | 第47-51页 |
| ·信息融合在推进器故障诊断中的应用 | 第51-60页 |
| ·信息融合的概念 | 第51-53页 |
| ·信息融合的定义 | 第52页 |
| ·信息融合的分类 | 第52-53页 |
| ·D-S证据推理信息融合方法 | 第53-56页 |
| ·水下机器人信息融合故障诊断 | 第56-60页 |
| ·信息融合故障诊断过程 | 第56-57页 |
| ·信息融合故障诊断规则 | 第57-59页 |
| ·故障诊断可信度及故障程度指标 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 水下机器人推进器故障模拟实验 | 第61-69页 |
| ·引言 | 第61页 |
| ·推进器缠绕故障模拟实验 | 第61-68页 |
| ·推进器缠绕故障模拟 | 第61-65页 |
| ·推进器缺叶故障模拟 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |
