机载PHM系统传感器优化配置方法及应用

**章 绪论 1．1 PHM的内涵、功能和关键技术 1．1．1 PHM的内涵和功能 1．1．2 PHM的关键技术 1．2 PHM的研究现状和发展趋势 1．2．1 PHM的研究现状 1．2．2 PHM的发展趋势 1．3 传感器优化配置的研究现状 1．4 本书内容及结构 第二章 PHM系统传感器选择方法 2．1 PHM系统传感器选择的总体思路 2．2 扩展式故障模式影响及危害分析 2．2．1 aFMECA方法描述 2．2．2 aFMECA在PHM中的应用 2．3 PHM系统传感器选择的考虑因素 2．4 传感器选用的一般原则 2．5 本章小结 第三章 PHM系统传感器配置的建模及求解 3．1 PHM系统传感器优化配置体系结构设计 3．2 传感器与系统故障模式关系的描述 3．3 传感器的故障检测能力分析 3．4 PHM系统传感器配置模型的建立 3．4．1 目标函数 3．4．2 约束条件 3．5 PHM系统传感器优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 粒子群算法的收敛性分析 3．5．3 粒子群算法的改进策略 3．5．4 改进粒子群算法的收敛性分析 3．5．5 改进粒子群算法性能检验 3．6 仿真应用 3．7 本章小结 第四章 基于传感器优化配置及非线性观测器的故障诊断 4．1 线性矩阵不等式及Schur补引理 4．2 基于观测器的故障诊断方法的基本原理 4．2．1 残差生成 4．2．2 残差评价 4．3 基于传感器优化配置的故障诊断问题描述 4．4 鲁棒故障检测观测器的设计 4．5 算法步骤及仿真应用 4．5．1 算法步骤 4．5．2 仿真应用 4．6 本章小结 第五章 基于自适应KPCA的传感器故障诊断 5．1 传感器的故障类型及其测量模型 5．2 基于主元分析的故障诊断原理 5．2．1 PCA的算法原理 5．2．2 基于PCA的故障检测及隔离 5．3 基于自适应KPCA的传感器故障诊断 5．3．1 KPCA的算法原理 5．3．2 改进标准化处理 5．3．3 自适应核函数的确定 5．3．4 基于自适应KPCA的故障检测及隔离 5．4 仿真应用 5．5 本章小结 第六章 传感器优化配置在机载EHA系统中的应用 6．1 EHA系统的结构原理及数学模型 6．1．1 EHA的结构原理 6．1．2 EHA的数学模型 6．2 EHA系统的传感器配置优化设计 6．3 基于传感器优化配置和非线性观测器的EHA系统故障诊断 6．4 基于自适应KPCA的EHA系统传感器故障诊断 6．5 本章小结 第七章 基于经验模式分解的机电作动系统故障诊断 7．1 机电作动系统简介 7．1．1 机电作动系统结构原理及功能描述 7．1．2 机电作动系统扩展式故障模式影响及危害分析 7．2 非平稳信号处理方法简介 7．3 EMD的基本理论及算法 7．3．1 瞬时频率和本征模函数 7．3．2 基于EMD的HHT变换 7．4 EMD算法的改进 7．4．1 端点效应的处理 7．4．2 局部均值的求解 7．5 基于改进EMD算法的机电作动系统故障特征提取 7．5．1 基于改进EMD算法的故障信号预处理 7．5．2 基于改进EMD算法的故障信号时频分析 7．5．3 本征模能量特征向量提取 7．6 本章小节 第八章 机电作动系统故障预测及健康状态评估 8．1 预测技术简介 8．1．1 参数模型预测法 8．1．2 非参数模型预测法 8．2 灰色预测理论 8．3 支持向量机 8．3．1 支持向量机的基本理论 8．3．2 *小二乘支持向量机（LS-SVM） 8．4 基于灰色-*小二乘支持向量机的机电作动系统故障预测 8．5 基于EMD奇异值熵的机电作动系统健康状态评估 8．5．1 信号的奇异值分解 8．5．2 信息熵理论 8．5．3 健康指数 8．6 本章小结 结语 参考文献