声明
致谢
摘要
1.1 课题研究背景及意义
1.2 研究现状及分析
1.2.1 国内外研究现状
1.2.2 基于数据驱动的方法发展趋势
1.3 本文的研究内容及安排
2 故障诊断技术及高斯过程回归
2.1 故障诊断技术
2.1.1 故障诊断技术常用方法简介
2.1.2 基于模型的故障诊断方法
2.1.3 基于数据驱动的故障诊断方法
2.1.4 基于知识的故障诊断方法
2.1.5 基于信号处理的故障诊断方法
2.2 高斯过程回归
2.2.1 函数空间法
2.2.2 权值空间论
2.3 稀疏高斯过程回归
2.3.1 数据子集近似法
2.3.2 降秩近似法
2.3.3 稀疏伪输入法
2.3.4 稀疏在线高斯过程回归法
2.3.5 稀疏高斯过程回归方法复杂度总结
2.4 本章小结
3 基于GPR模型的贝叶斯滤波故障检测方法
3.1 高斯过程回归模型的建立
3.1.1 基于高斯过程回归的建模方法
3.1.2 核函数选取
3.1.3 超参数学习
3.2 GP-UKF算法与GP-CKF算法
3.2.1 GP-UKF算法
3.2.2 GP-CKF算法
3.3 实验仿真
3.3.1 一维系统故障检测
3.3.2 二维水箱系统故障检测
3.4 本章小结
4 基于ISRGP-UKF和ISRGP-CKF算法的非线性系统故障检测
4.1 迭代高斯过程
4.2 重要性采样(IS)
4.3 ISRGP-UKF和ISRGP-CKF算法
4.3.1 ISRGP-UKF算法
4.3.2 ISRGP-CKF算法
4.4 算法复杂度分析
4.4.2 ISRGP-UKF和ISRGP-CKF算法复杂度分析
4.5 仿真实验及分析
4.5.1 飞行器跟踪系统故障检测
4.5.2 空气温度实时传感器故障检测
4.6 本章小结
5.1 总结
5.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
北京交通大学;