機(jī)載PHM系統(tǒng)傳感器優(yōu)化配置方法及應(yīng)用

第一章 緒論
1．1 PHM的內(nèi)涵、功能和關(guān)鍵技術(shù)
1．1．1 PHM的內(nèi)涵和功能
1．1．2 PHM的關(guān)鍵技術(shù)
1．2 PHM的研究現(xiàn)狀和發(fā)展趨勢(shì)
1．2．1 PHM的研究現(xiàn)狀
1．2．2 PHM的發(fā)展趨勢(shì)
1．3 傳感器優(yōu)化配置的研究現(xiàn)狀
1．4 本書(shū)內(nèi)容及結(jié)構(gòu)

第二章 PHM系統(tǒng)傳感器選擇方法
2．1 PHM系統(tǒng)傳感器選擇的總體思路
2．2 擴(kuò)展式故障模式影響及危害分析
2．2．1 aFMECA方法描述
2．2．2 aFMECA在PHM中的應(yīng)用
2．3 PHM系統(tǒng)傳感器選擇的考慮因素
2．4 傳感器選用的一般原則
2．5 本章小結(jié)

第三章 PHM系統(tǒng)傳感器配置的建模及求解
3．1 PHM系統(tǒng)傳感器優(yōu)化配置體系結(jié)構(gòu)設(shè)計(jì)
3．2 傳感器與系統(tǒng)故障模式關(guān)系的描述
3．3 傳感器的故障檢測(cè)能力分析
3．4 PHM系統(tǒng)傳感器配置模型的建立
3．4．1 目標(biāo)函數(shù)
3．4．2 約束條件
3．5 PHM系統(tǒng)傳感器優(yōu)化配置模型的求解算法
3．5．1 粒子群算法的基本原理
3．5．2 粒子群算法的收斂性分析
3．5．3 粒子群算法的改進(jìn)策略
3．5．4 改進(jìn)粒子群算法的收斂性分析
3．5．5 改進(jìn)粒子群算法性能檢驗(yàn)
3．6 仿真應(yīng)用
3．7 本章小結(jié)

第四章 基于傳感器優(yōu)化配置及非線性觀測(cè)器的故障診斷
4．1 線性矩陣不等式及Schur補(bǔ)引理
4．2 基于觀測(cè)器的故障診斷方法的基本原理
4．2．1 殘差生成
4．2．2 殘差評(píng)價(jià)
4．3 基于傳感器優(yōu)化配置的故障診斷問(wèn)題描述
4．4 魯棒故障檢測(cè)觀測(cè)器的設(shè)計(jì)
4．5 算法步驟及仿真應(yīng)用
4．5．1 算法步驟
4．5．2 仿真應(yīng)用
4．6 本章小結(jié)

第五章 基于自適應(yīng)KPCA的傳感器故障診斷
5．1 傳感器的故障類型及其測(cè)量模型
5．2 基于主元分析的故障診斷原理
5．2．1 PCA的算法原理
5．2．2 基于PCA的故障檢測(cè)及隔離
5．3 基于自適應(yīng)KPCA的傳感器故障診斷
5．3．1 KPCA的算法原理
5．3．2 改進(jìn)標(biāo)準(zhǔn)化處理
5．3．3 自適應(yīng)核函數(shù)的確定
5．3．4 基于自適應(yīng)KPCA的故障檢測(cè)及隔離
5．4 仿真應(yīng)用
5．5 本章小結(jié)

第六章 傳感器優(yōu)化配置在機(jī)載EHA系統(tǒng)中的應(yīng)用
6．1 EHA系統(tǒng)的結(jié)構(gòu)原理及數(shù)學(xué)模型
6．1．1 EHA的結(jié)構(gòu)原理
6．1．2 EHA的數(shù)學(xué)模型
6．2 EHA系統(tǒng)的傳感器配置優(yōu)化設(shè)計(jì)
6．3 基于傳感器優(yōu)化配置和非線性觀測(cè)器的EHA系統(tǒng)故障診斷
6．4 基于自適應(yīng)KPCA的EHA系統(tǒng)傳感器故障診斷
6．5 本章小結(jié)

第七章 基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾臋C(jī)電作動(dòng)系統(tǒng)故障診斷
7．1 機(jī)電作動(dòng)系統(tǒng)簡(jiǎn)介
7．1．1 機(jī)電作動(dòng)系統(tǒng)結(jié)構(gòu)原理及功能描述
7．1．2 機(jī)電作動(dòng)系統(tǒng)擴(kuò)展式故障模式影響及危害分析
7．2 非平穩(wěn)信號(hào)處理方法簡(jiǎn)介
7．3 EMD的基本理論及算法
7．3．1 瞬時(shí)頻率和本征模函數(shù)
7．3．2 基于EMD的HHT變換
7．4 EMD算法的改進(jìn)
7．4．1 端點(diǎn)效應(yīng)的處理
7．4．2 局部均值的求解
7．5 基于改進(jìn)EMD算法的機(jī)電作動(dòng)系統(tǒng)故障特征提取
7．5．1 基于改進(jìn)EMD算法的故障信號(hào)預(yù)處理
7．5．2 基于改進(jìn)EMD算法的故障信號(hào)時(shí)頻分析
7．5．3 本征模能量特征向量提取
7．6 本章小節(jié)

第八章 機(jī)電作動(dòng)系統(tǒng)故障預(yù)測(cè)及健康狀態(tài)評(píng)估
8．1 預(yù)測(cè)技術(shù)簡(jiǎn)介
8．1．1 參數(shù)模型預(yù)測(cè)法
8．1．2 非參數(shù)模型預(yù)測(cè)法
8．2 灰色預(yù)測(cè)理論
8．3 支持向量機(jī)
8．3．1 支持向量機(jī)的基本理論
8．3．2 最小二乘支持向量機(jī)（LS-SVM）
8．4 基于灰色-最小二乘支持向量機(jī)的機(jī)電作動(dòng)系統(tǒng)故障預(yù)測(cè)
8．5 基于EMD奇異值熵的機(jī)電作動(dòng)系統(tǒng)健康狀態(tài)評(píng)估
8．5．1 信號(hào)的奇異值分解
8．5．2 信息熵理論
8．5．3 健康指數(shù)
8．6 本章小結(jié)
結(jié)語(yǔ)
參考文獻(xiàn)