| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-23页 |
| 1.1 课题背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 传感器故障诊断 | 第12-14页 |
| 1.2.2 古建筑木结构监测 | 第14-16页 |
| 1.2.3 监测数据处理分析方法 | 第16-18页 |
| 1.2.4 基于控制图理论的异常诊断 | 第18-19页 |
| 1.2.5 研究中存在的问题 | 第19-20页 |
| 1.3 本文主要研究内容 | 第20-23页 |
| 2 基于广义似然比假设检验的传感器故障诊断 | 第23-45页 |
| 2.1 传感器故障理论模型 | 第23-27页 |
| 2.1.1 加速度传感器故障理论模型 | 第23-24页 |
| 2.1.2 应变传感器故障理论模型 | 第24-27页 |
| 2.2 广义似然比检验方法 | 第27-31页 |
| 2.2.1 传感器故障信号预测模型 | 第27-28页 |
| 2.2.2 广义似然比检验 | 第28-31页 |
| 2.3 数值算例 | 第31-39页 |
| 2.3.1 监测数据选取 | 第31页 |
| 2.3.2 广义似然比阈值的确定 | 第31-33页 |
| 2.3.3 传感器诊断结果 | 第33-39页 |
| 2.4 工程应用 | 第39-43页 |
| 2.4.1 应用对象 | 第39-41页 |
| 2.4.2 应变传感器故障诊断 | 第41-43页 |
| 2.5 本章小结 | 第43-45页 |
| 3 长期监测数据中常规因素分离 | 第45-69页 |
| 3.1 多元线性回归模型 | 第45-48页 |
| 3.1.1 多元线性回归模型的概念 | 第45-46页 |
| 3.1.2 模型检验方法 | 第46-48页 |
| 3.2 时间序列分析方法 | 第48-56页 |
| 3.2.1 非平稳时间序列的分解 | 第48-49页 |
| 3.2.2 时间序列的构成 | 第49-50页 |
| 3.2.3 时间序列模型 | 第50-56页 |
| 3.3 藏式古建筑木结构长期监测数据中常规因素的分离 | 第56-67页 |
| 3.3.1 对温度不敏感结构算例分析 | 第56-62页 |
| 3.3.2 对温度敏感结构算例分析 | 第62-67页 |
| 3.4 本章小结 | 第67-69页 |
| 4 基于控制图的数据异常诊断 | 第69-85页 |
| 4.1 控制图理论 | 第69-72页 |
| 4.1.1 均值-移动极差控制图 | 第69-71页 |
| 4.1.2 EWMA控制图 | 第71页 |
| 4.1.3 EWRMS控制图 | 第71-72页 |
| 4.2 参数敏感性分析 | 第72-74页 |
| 4.3 数据异常诊断结果与分析 | 第74-83页 |
| 4.3.1 数据异常诊断结果 | 第74-76页 |
| 4.3.2 诊断结果统计分析 | 第76-83页 |
| 4.4 本章小结 | 第83-85页 |
| 5 结论与展望 | 第85-87页 |
| 5.1 结论 | 第85-86页 |
| 5.2 展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 作者简历及攻读硕士期间取得的研究成果 | 第91-95页 |
| 学位论文数据集 | 第95页 |