非線性系統(tǒng)故障可診斷性評(píng)價(jià)與診斷方法

上篇非線性系統(tǒng)故障可診斷性量化評(píng)價(jià)與設(shè)計(jì)
第1章緒論
1.1故障可診斷性評(píng)價(jià)及診斷方法研究的意義
1.2非線性系統(tǒng)故障診斷研究現(xiàn)狀
1.2.1故障可診斷性
1.2.2基于故障可診斷性評(píng)價(jià)的傳感器優(yōu)化配置
1.2.3非線性系統(tǒng)故障診斷方法
1.3存在的問(wèn)題與不足
1.4本章小結(jié)
參考文獻(xiàn)
第2章非線性系統(tǒng)故障可診斷性量化評(píng)價(jià)方法
2.1引言
2.2問(wèn)題描述
2.3基于KL散度的故障可診斷性量化評(píng)價(jià)
2.3.1KL散度定義
2.3.2故障可診斷性量化評(píng)價(jià)基本原理
2.3.3基于SKDE的概率密度函數(shù)估計(jì)
2.3.4基于蒙特卡洛方法的非線性函數(shù)估計(jì)
2.4故障可診斷性評(píng)價(jià)指標(biāo)約束下的數(shù)據(jù)測(cè)量噪聲可行域分析
2.4.1不同測(cè)量噪聲域下的殘差數(shù)據(jù)分析
2.4.2故障可檢測(cè)性指標(biāo)約束下的測(cè)量噪聲可行域分析
2.4.3故障可分離性指標(biāo)約束下的測(cè)量噪聲可行域分析
2.5基于可診斷性評(píng)價(jià)的非線性系統(tǒng)故障檢測(cè)
2.5.1基于KL散度的故障檢測(cè)
2.5.2故障漏報(bào)率和誤報(bào)率分析
2.5.3閾值的優(yōu)化選取
2.6仿真研究與結(jié)果分析
2.6.1仿真對(duì)象描述
2.6.2不同故障模式下殘差概率密度函數(shù)估計(jì)
2.6.3故障可診斷性量化評(píng)價(jià)結(jié)果分析
2.6.4測(cè)量噪聲對(duì)故障可診斷性量化評(píng)價(jià)的影響
2.6.5測(cè)量噪聲的可行域仿真分析
2.6.6微小故障下的測(cè)量噪聲的可行域分析
2.6.7基于可診斷性評(píng)價(jià)結(jié)果的故障檢測(cè)
2.7本章小結(jié)
參考文獻(xiàn)
第3章非線性系統(tǒng)故障可診斷性設(shè)計(jì)方法
3.1引言
3.2故障可診斷性評(píng)價(jià)分析
3.2.1評(píng)價(jià)原理分析
3.2.2故障可診斷性定量評(píng)價(jià)原理分析
3.3故障可檢測(cè)性設(shè)計(jì)
3.3.1故障可檢測(cè)性設(shè)計(jì)原理分析
3.3.2基于貪心算法的系統(tǒng)測(cè)點(diǎn)設(shè)計(jì)
3.3.3以軟代硬的軟傳感器設(shè)計(jì)
3.4故障可分離性設(shè)計(jì)
3.4.1故障可分離性分析及測(cè)點(diǎn)配置
3.4.2基于故障自身屬性的故障可分離性設(shè)計(jì)
3.5案例仿真研究
3.5.1水輪機(jī)調(diào)速器控制系統(tǒng)
3.5.2水輪機(jī)調(diào)速器故障可檢測(cè)性設(shè)計(jì)
3.5.3水輪機(jī)調(diào)速器故障可分離性設(shè)計(jì)
3.6本章小結(jié)
參考文獻(xiàn)
第4章基于故障可診斷性量化評(píng)價(jià)的傳感器優(yōu)化配置方法
4.1引言
4.2問(wèn)題描述
4.2.1通過(guò)實(shí)例引出問(wèn)題
4.2.2定性評(píng)價(jià)下的最小傳感器集合
4.2.3傳感器配置過(guò)程中面臨的問(wèn)題
4.3基于故障可診斷性量化評(píng)價(jià)的傳感器優(yōu)化配置
4.3.1最小傳感器集合下的系統(tǒng)故障可診斷性分析
4.3.2傳感器的優(yōu)化配置問(wèn)題
4.4基于動(dòng)態(tài)規(guī)劃的故障診斷系統(tǒng)傳感器優(yōu)化配置算法
4.5軟傳感器設(shè)計(jì)
4.6測(cè)點(diǎn)傳感器多目標(biāo)優(yōu)化配置
4.6.1測(cè)點(diǎn)傳感器優(yōu)化配置中的約束函數(shù)
4.6.2測(cè)點(diǎn)傳感器優(yōu)化配置中的目標(biāo)函數(shù)
4.6.3改進(jìn)的NSGA-Ⅱ優(yōu)化算法
4.7案例仿真研究
4.7.1仿真案例1： 非線性系統(tǒng)數(shù)值仿真
4.7.2仿真案例2： 車(chē)輛電源系統(tǒng)
4.8本章小結(jié)
參考文獻(xiàn)
第5章基于數(shù)據(jù)驅(qū)動(dòng)的傳感器可重構(gòu)性評(píng)價(jià)方法
5.1引言
5.2問(wèn)題描述
5.2.1捷聯(lián)慣性導(dǎo)航系統(tǒng)
5.2.2面臨問(wèn)題
5.3基于KL散度的傳感器可重構(gòu)性量化評(píng)價(jià)
5.3.1基于KPLS方法的傳感器解析冗余分析
5.3.2基于KL散度進(jìn)行可重構(gòu)性量化評(píng)價(jià)的基本原理
5.4可重構(gòu)性量化評(píng)價(jià)閾值的優(yōu)化選取
5.4.1錯(cuò)分率和漏分率分析
5.4.2閾值的優(yōu)化選取
5.5仿真研究與結(jié)果分析
5.6本章小結(jié)
參考文獻(xiàn)
中篇非線性系統(tǒng)故障診斷方法
第6章基于自適應(yīng)閾值的粒子濾波算法的非線性系統(tǒng)故障診斷方法
6.1引言
6.2問(wèn)題描述
6.3粒子濾波算法
6.4故障診斷方法設(shè)計(jì)
6.4.1故障檢測(cè)
6.4.2自適應(yīng)閾值設(shè)計(jì)
6.4.3故障隔離
6.4.4故障誤報(bào)率和漏報(bào)率
6.5仿真研究與結(jié)果分析
6.6本章小結(jié)
參考文獻(xiàn)
第7章基于數(shù)據(jù)驅(qū)動(dòng)殘差評(píng)價(jià)策略的故障檢測(cè)方法
7.1引言
7.2多模式運(yùn)行系統(tǒng)的故障檢測(cè)方法描述
7.3基于數(shù)據(jù)驅(qū)動(dòng)方法的故障檢測(cè)
7.3.1KL散度算法的改進(jìn)
7.3.2基于KL散度的故障檢測(cè)
7.3.3基于自學(xué)習(xí)方法的K值確定
7.3.4殘差的聚類(lèi)
7.4基于故障誤報(bào)率和漏報(bào)率的閾值優(yōu)化
7.4.1誤報(bào)率與漏報(bào)率計(jì)算
7.4.2閾值的優(yōu)化選取
7.5仿真研究與結(jié)果分析
7.5.1仿真對(duì)象描述
7.5.2殘差特性分析
7.5.3故障檢測(cè)
7.6本章小結(jié)
第8章基于高斯混合分布的微小故障診斷和幅值估計(jì)方法
8.1引言
8.2理論基礎(chǔ)
8.2.1故障建模
8.2.2GMM的概率密度函數(shù)估計(jì)
8.2.3基于GMM的KL散度定義
8.3基于KL散度的微小故障診斷
8.3.1故障檢測(cè)和故障分離
8.3.2閾值設(shè)計(jì)
8.4基于KL散度的故障幅值估計(jì)
8.5仿真分析
8.5.1仿真對(duì)象描述
8.5.2微小故障下的殘差數(shù)據(jù)分析
8.5.3微小故障診斷
8.5.4故障幅值估計(jì)
8.6本章小結(jié)
參考文獻(xiàn)
下篇故障可診斷性評(píng)價(jià)及診斷方法在電源車(chē)系統(tǒng)中的應(yīng)用
第9章混合信息熵約束下的電源車(chē)傳感器優(yōu)化配置方法
9.1引言
9.2基于傳感器信息值的故障可診斷性量化評(píng)價(jià)
9.2.1傳感器信息值理論
9.2.2基于傳感器信息值的故障可診斷性量化評(píng)價(jià)
9.3基于傳遞熵的傳感器冗余度評(píng)價(jià)
9.4傳感器的多目標(biāo)優(yōu)化過(guò)程
9.5仿真實(shí)驗(yàn)分析
9.5.1電源車(chē)系統(tǒng)和常見(jiàn)故障描述
9.5.2電源車(chē)故障可診斷性量化評(píng)價(jià)
9.5.3電源車(chē)傳感器的多目標(biāo)優(yōu)化配置
9.6本章小結(jié)
參考文獻(xiàn)
第10章基于時(shí)間相關(guān)性的電源車(chē)傳感器故障檢測(cè)方法
10.1引言
10.2基于SF-ELM的電源車(chē)傳感器故障檢測(cè)方法
10.2.1極限學(xué)習(xí)機(jī)相關(guān)理論
10.2.2基于SF-ELM的時(shí)間序列預(yù)測(cè)模型建立
10.2.3基于時(shí)間序列預(yù)測(cè)模型的傳感器故障檢測(cè)
10.3基于改進(jìn)KL-Bi-LSTM模型下的傳感器故障檢測(cè)方法
10.3.1長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的相關(guān)理論
10.3.2雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型的建立
10.3.3基于改進(jìn)KL散度的傳感器故障檢測(cè)
10.4仿真實(shí)驗(yàn)與結(jié)果分析
10.4.1電源車(chē)簡(jiǎn)介
10.4.2基于時(shí)間序列預(yù)測(cè)模型的電源車(chē)傳感器故障檢測(cè)
10.4.3基于改進(jìn)KL-Bi-LSTM模型下的傳感器故障檢測(cè)
10.5本章小結(jié)
參考文獻(xiàn)
第11章基于空間相關(guān)性的電源車(chē)傳感器數(shù)據(jù)重構(gòu)方法
11.1引言
11.2基于信息熵理論的電源車(chē)傳感器冗余度量化評(píng)價(jià)
11.2.1信息熵相關(guān)理論
11.2.2基于信息熵理論的傳感器信息值量化評(píng)價(jià)
11.2.3基于改進(jìn)互信息熵的傳感器相關(guān)性量化評(píng)價(jià)
11.2.4基于信息熵理論的輔助變量篩選
11.3仿真實(shí)驗(yàn)與結(jié)果分析
11.4本章小結(jié)
參考文獻(xiàn)
第12章引入注意力機(jī)制下的電源車(chē)傳感器故障檢測(cè)及數(shù)據(jù)重構(gòu)
12.1引言
12.2基于注意力機(jī)制的傳感器故障檢測(cè)和數(shù)據(jù)重構(gòu)方法
12.2.1注意力機(jī)制相關(guān)理論
12.2.2時(shí)間注意力機(jī)制下的傳感器故障檢測(cè)
12.2.3互信息熵和注意力機(jī)制融合后的傳感器數(shù)據(jù)重構(gòu)
12.3仿真實(shí)驗(yàn)與結(jié)果分析
12.3.1引入注意力機(jī)制下的電源車(chē)傳感器故障檢測(cè)
12.3.2引入注意力機(jī)制下的電源車(chē)傳感器數(shù)據(jù)重構(gòu)
12.4本章小結(jié)
參考文獻(xiàn)