第1 章 绪 论
1.1 课题来源及研究的目的和意义
1.2 国内外的研究现状及分析
1.2.1 霍尔推力器诊断方法研究现状
1.2.2 霍尔推力器图像法研究现状
1.2.3 深度学习技术在图像处理上的研究现状
1.3本文主要内容及章节安排
第2 章 等离子体图像诊断数据处理方法
2.1 引言
2.2 实验装置
2.2.1 真空设备
2.2.2 霍尔推力器
2.2.3 数码相机
2.2.4 测量设备
2.2.5 朗缪尔探针
2.3 卷积神经网络
2.3.1 普通网络结构
2.3.2 特殊卷积结构
2.4 数据处理方法
2.4.1软件平台搭建
2.4.2等离子体参数探针测量与处理
2.4.3等离子体羽流图像数据预处理方法
2.5 本章小结
第3 章 基于深度学习技术等离子体参数诊断
3.1 引言
3.2 霍尔推力器图像诊断神经网络模型研究
3.2.1 不同网络层数对网络性能的影响
3.2.2 神经网络超参数对网络性能的影响
3.3 变工况等离子体参数图像诊断
3.3.1 放电电压对羽流等离子体参数分布的影响分析
3.3.2 质量流量对羽流等离子体参数分布的影响分析
3.4 本章小结
第4 章 基于深度学习技术的计算模型误差影响分析
4.1 引言
4.2 稳态等离子体参数计算模型误差分析
4.2.1 拍摄角度对模型计算结果的影响分析
4.2.2 拍摄距离对模型计算结果的影响分析
4.3 光干扰情况误差分析
4.3.1 光干扰情况羽流不同径向位置误差影响分析
4.3.2 光干扰情况羽流不同轴向位置误差影响分析
4.5 本章小结
第5 章 基于图像法的霍尔推力器诊断应用探索
5.1 引言
5.2 霍尔推力器熄火过程图像诊断方法
5.3 基于图像诊断的霍尔推力器推力测量方法
5.4 本章小结
结 论
参考文献
攻读学位期间发表的学术论文及其他成果
声明
致 谢
哈尔滨工业大学;