声明
摘要
符号说明
第一章 绪论
1.1 课题研究背景
1.2 传感器故障诊断方法研究现状
1.3 基于熵的故障信号处理方法研究应用现状
1.3.1 信息熵的应用
1.3.2 信息熵扩展形式及其应用现状
1.4 本文研究内容
1.5 论文组织结构
第二章 传感器故障及信息量测度
2.1 引言
2.2 传感器故障
2.2.1 传感器故障分类
2.2.2 典型传感器故障数学描述
2.3 故障信息量测度
2.3.1 信息熵
2.3.2 小波熵
2.3.3 排列熵
2.4 本章小结
第三章 基于小波熵和排列熵的故障特征提取方法
3.1 引言
3.2 小波基选择标准
3.2.1 最大能量-香农熵比值准则
3.2.2 其他小波基选择标准
3.3 基于多子带小波时间总熵的传感器故障特征提取方法
3.3.1 基于小波时间熵的传感器故障特性分析
3.3.2 多子带小波时间总熵
3.3.3 多子带小波时间-能量总熵
3.3.4 特征提取方法
3.3.5 特征提取方法性能分析
3.4 基于小波变换和多尺度加权排列熵的传感器故障特征提取方法
3.4.1 基于排列熵的传感器故障特性分析
3.4.2 多尺度加权排列熵
3.4.3 特征提取方法
3.4.4 参数选择
3.4.5 特征提取方法性能分析
3.5 本章小结
第四章 基于熵和神经网络的故障识别方法
4.1 引言
4.2 BP神经网络分类器及参数选择
4.2.1 BP神经网络原理概述
4.2.2 BP神经网络结构的确定
4.3 基于神经网络的传感器故障识别方法及性能分析
4.3.1 基于多子带小波时间总熵和BPNN的识别实验及性能分析
4.3.2 基于小波变换的多尺度加权排列熵和BPNN的识别实验及性能分析
4.4 特征选择
4.5 基于特征选择的神经网络分类器和识别方法
4.5.1 MCFS-BP神经网络分类器及识别方法
4.5.2 实验及性能分析
4.6 两种识别方法性能比较
4.7 识别方法抗噪性能分析
4.8 识别方法普适性分析
4.9 本章小结
第五章 基于熵的故障定位方法
5.1 引言
5.2 基于多子带小波熵的传感器故障定位方法
5.2.1 定位方法
5.2.2 实验及性能分析
5.2.3 参数对定位结果的影响
5.3 基于小波变换和加权排列熵的传感器故障定位方法
5.3.1 定位方法
5.3.2 实验及性能分析
5.3.3 参数对定位结果的影响
5.3.4 两种定位方法性能比较
5.4 定位方法普适性分析
5.5 本章小结
第六章 结论与展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介