一、GSM系统软故障的处理（论文文献综述）
何鑫[1]（2021）在《基于时间反演-多信号分类的同轴电缆网络软故障检测方法研究》文中研究指明现代电气装备中电缆是必不可少的元件,承担了电能供给和信号的传输功能,是影响设备可靠运行的关键因素。研究表明电缆硬故障往往是由软故障发展而来的,如能在电缆发生短路或断路等硬故障前检出软故障,可有效提高装备运行可靠性。在实际使用中,电缆多呈网络结构,目前尚无成熟手段能够实现电缆网络软故障的检测与定位。因此,本文提出基于时间反演—多信号分类（Time ReversalMultiple Signal Classification,TR-MUSIC）方法的电缆网络软故障检测方法,对单根电缆及Y形电缆网络软故障的检测与定位进行研究,具体工作如下:首先,基于传输线理论分析了SYV-50-3型同轴电缆的宽频电参数,结合三维电磁仿真结果,分别研究了挤压型软故障、切割型软故障以及热老化对同轴电缆电参数的影响;对电缆网络进行仿真分析,明确引起节点反射现象的原因,并根据电缆故障检测的基本原理,筛选出了可用于故障检测的参数。其次,利用时间反演信号的聚焦特性,使用TR-MUSIC技术实现了软故障的检测。分别针对单根电缆和Y形网络软故障推导了检测算法,并通过引入对照组的方式降低了节点反射带来的不利影响;提出使用S参数转时域反射测量技术（Time Domain Reflectometry,TDR）的方式进行电缆长度测量,进而实现TRMUSIC格林函数的计算;通过仿真及实验验证了所提方法的有效性。然后,定量分析了所提出检测方法的性能。其中,将峭度分析与TR-MUSIC相结合以增强故障特征;以SYV-50-3型同轴电缆为对象,实验分析不同故障类型和故障程度下,TR-MUSIC用于单根电缆以及Y形网络结构软故障检测的灵敏度及故障点定位精度;设计双绞线软故障检测实验,验证TR-MUSIC用于其他类型电缆软故障检测的可行性。最后,基于C#编程语言,完成同轴电缆网络软故障检测系统的软件设计与实现,并对其功能进行验证和测试。本文提出的基于TR-MUSIC技术的同轴电缆网络软故障检测方法及检测系统,可实现单根同轴电缆以及Y形同轴电缆网络软故障的快速检测与定位,且具有较高的灵敏度与精度,对其他类型电缆软故障检测亦有可行性,具有工程应用前景。
刘文霞,韩辉[2]（2020）在《多重控制信息失效下配电网电压波动性的评估》文中认为随着可再生能源接入以及电压管理系统的应用,配电网愈发依赖信息通信系统,以实现对配电网的主动控制,控制信息失效必然会对系统状态造成影响。为评估信息失效对配电网电压的影响,文中首先考虑多种失效因素建立信息系统有效性模型,其次提出表征电压波动性的分布指数和越限概率指标,然后给出不同故障类型下电压波动影响的分析方法,最后采用序贯蒙特卡洛模拟进行信息系统故障下的指标评估。测试系统验证了模型可行性并探讨了不同信息失效因素对电压波动性的影响,为配电网信息物理系统的规划和运行提供了实用性技术支撑。
孙湘钰[3]（2020）在《冗余式捷联惯导系统故障检测与隔离关键技术研究》文中研究说明冗余式捷联惯导系统通过惯性器件冗余配置技术,能解决传统惯导系统单一器件故障导致系统失效的问题。基于冗余惯性器件敏感信息间的空间指向关系,冗余式捷联惯导系统的故障检测与隔离技术,能够实现对惯性器件的故障检测与隔离,进而完成惯性器件敏感信息空间关系的重构,从而保证系统在巨大冲击、长期振动和高海况摇摆等严苛环境正常工作,是未来捷联惯导系统在高可靠性应用领域的重要发展方向。然而,冗余式捷联惯导系统仍然面临软故障检测实时性低,故障隔离不确定性以及环境干扰影响故障检测与隔离效能等问题。因此,开展冗余式捷联惯导系统的故障检测与隔离技术研究,对于提升相关理论方法的性能,推进冗余式捷联惯导系统的应用,具有重要的理论和实际意义。课题以四陀螺冗余系统和六陀螺冗余系统两种主流冗余系统为研究对象,在优化冗余配置方案基础上,深入开展冗余式捷联惯导系统软故障检测改进优化、单故障/双故障隔离方法研究,具体包括以下研究内容:（1）基于优化性能指标的冗余配置方案设计针对现有冗余配置方案缺少故障检测与隔离性能准则设计的问题,以四陀螺、六陀螺冗余配置方案为研究对象,对现有冗余配置设计准则进行总结,系统分析冗余配置方案与故障检测与隔离性能之间的关系,设计故障检测与隔离性能准则,完善冗余配置方案设计准则。根据冗余配置方案设计准则,对四陀螺冗余配置方案和六陀螺冗余配置方案的性能进行分析,并确定性能较好的四陀螺冗余配置方案和六陀螺冗余配置方案。（2）高实时性软故障检测改进方法研究现有的基于卡尔曼滤波（Kalman Filter,KF）补偿的广义似然比（Generalized Likelihood Test,GLT）故障检测方法由于软故障缓变的特性以及故障情况下KF方法抑制量测残差等两方面原因,导致该方法在检测软故障时存在较大延时现象。为解决上述问题,本文提出基于交互多模型（Interactive Multiple Model）估计与平均奇偶向量（Average Parity Vector,APV）改进的GLT故障检测方法。该方法一方面利用IMM方法能够对未知故障建模的特点,通过IMM方法代替KF方法估计并补偿奇偶向量中惯性器件误差项,使估计状态值不被故障信息污染,进而得到保全故障信息的量测残差,改善滤波方法对量测残差的抑制情况;另一方面结合APV方法改进GLT故障检测方法,降低量测噪声的影响并合理设置故障检测门限,提高缓变软故障检测实时性。与传统故障检测方法相比,基于IMM与APV改进的GLT故障检测方法能够在较短时间内有效检测软故障,从而达到提高软故障检测实时性的目的。（3）四陀螺冗余系统单故障隔离方法研究广泛应用于冗余系统的单故障隔离方法-GLT故障隔离方法通过奇偶向量的方向识别故障。然而在四陀螺冗余系统中,GLT故障隔离方法中的奇偶向量为无方向的标量,因此,GLT故障隔离方法无法实现四陀螺冗余系统单故障的隔离。基于此,提出基于平均降维矢量的残差卡方检验故障隔离方法隔离四陀螺冗余系统中的单故障。该方法摒弃采用奇偶向量对系统故障进行隔离的思想,在采用星敏感器提供角速率基准信息的基础上,创新性地引入冗余系统陀螺误差估计的残差卡方检验思想,结合降维矢量思想对单个陀螺的残差信息进行检测,实现四陀螺冗余系统单故障隔离;在此基础上,结合APV方法思想,降低量测噪声影响并设置可容性故障隔离门限,改善软故障隔离延时情况。基于平均降维矢量的残差卡方检验故障隔离方法能够实现冗余系统单故障的隔离;并且能够在系统发生软故障时,缩短软故障隔离时间,提高软故障隔离性能。（4）六陀螺冗余系统双故障隔离方法研究六陀螺冗余系统中,现有的基于极大似然估计（Maximum Likelihood Estimation,MLE）的双故障隔离方法由于不同双故障组合会产生共线的奇偶向量,进而无法判断共线的奇偶向量来自哪两个陀螺,导致双故障隔离存在不确定性,因此无法对六陀螺冗余系统双故障所有组合进行有效隔离。基于此,本文首先分析基于MLE的双故障隔离方法适用条件,其次提出基于MLE与降阶奇偶向量（Reduced-order Parity Vector,RPV）的双故障隔离方法。该方法针对基于MLE的双故障隔离方法不适用的情况,通过基于MLE的双故障隔离方法锁定双故障范围,在改进的RPV故障隔离方法作用下,分别验证每一种双故障组合实现故障陀螺的定位。基于MLE与RPV的双故障隔离方法能够在基于MLE的双故障隔离方法不适用时隔离六陀螺冗余系统中的双故障。
乔鹏超[4]（2020）在《基于改进GLT的冗余捷联惯导故障诊断算法研究》文中研究指明现代社会,导航系统在国防和经济领域应用越来越广泛,因此对导航系统的可靠性要求越来越高。对采用冗余配置的捷联惯导系统进行故障诊断是提高导航系统可靠性的一个有效措施。本文旨在研究广义似然比法（简称GLT）在冗余捷联惯导故障诊断应用中存在的问题的解决方法。本文重点研究了当冗余惯性传感器发生软故障时,惯性传感器输出的刻度系数误差、安装误差和常值偏置等对软故障诊断的影响,验证了通过BP神经网络补偿奇偶向量从而实现软故障的检测和隔离的方法的有效性。根据选定的冗余配置方案,确定了BP神经网络模型,用训练好的BP神经网络对奇偶向量进行补偿。仿真结果表明,通过对奇偶向量的补偿减小了传感器误差对软故障诊断的影响,故障诊断系统检测到了未补偿情况下难以检测到的软故障。针对GLT法采用的统计检测门限无法适应环境和噪声的影响,使得虚警率和漏检率过大,惯导系统可靠性降低的问题,本文研究提出了基于代价函数的故障检测门限选取方法。通过选择不同的代价函数,确定了系统在不同工作状况下的门限选取方案。通过设计最小错误概率法和系统最大任务可靠性法两种代价函数,结合导航任务面对的实际情况,在冗余传感器只剩4个正常工作时,选择使系统工作在最小错误概率的门限值;当冗余传感器正常工作个数大于4个时,则选择使系统工作在最大可靠性下的门限值。仿真表明,通过对不同情况采用不同的门限值,可以减小环境和噪声对冗余捷联惯导系统的可靠性影响。考虑多个惯性传感器在某一时刻同时发生故障的情况,针对传统的GLT算法只能检测和隔离单故障,而不能对多故障处理的问题,本文提出了基于总误差向量法,通过改进GLT故障隔离算法,使GLT故障诊断算法能在检测到故障后,判断出发生故障的传感器号。同时,针对发生故障的传感器故障信息的不同,本文设计了不同的故障搜索隔离流程。仿真结果表明,该方法可以使GLT实现多故障的正确检测和隔离。本文通过解决GLT算法在冗余捷联惯导系统故障诊断中应用中存在的问题,使冗余捷联惯导系统对环境适应性更强,可靠性更高。本文研究对GLT算法的研究和冗余捷联惯导的应用有一定的借鉴意义。
王毓珺[5]（2018）在《一类组合导航系统的滤波和容错算法研究》文中提出高空长航时无人机留空时间长,飞行高度高,要求自主导航系统具有较高的精度和可靠性。捷联惯导系统自主性好,但误差随时间累积;全球定位系统的位置精度高,但信号易受干扰;天文导航系统定姿精度较高。然而单一的组合导航模式无法满足高空长航时无人机的要求。因此,通过SINS/GPS/CNS多传感器融合来提高系统的精度、可靠性和自主性。本文针对无人机对导航系统可靠性要求较高的问题,研究了组合导航系统的滤波算法和容错技术,主要研究工作如下:首先介绍了组合导航系统的基本原理和概念,建立了SINS的误差模型;构建了基于联邦滤波结构的SINS/GPS/CNS组合导航方案。对SINS/GPS/CNS组合导航系统进行建模,构建SINS/GPS、SINS/CNS局部滤波子系统模型,为本文后续章节工作奠定理论基础。针对组合导航系统的模型结构参数和噪声统计特性参数不准确的问题,研究了一种改进的自适应强跟踪卡尔曼滤波算法。将Sage-Husa自适应滤波和强跟踪滤波算法结合起来,在线实时估计系统的量测噪声,调整系统参数,防止滤波器发散;在滤波过程中加入UD分解,保障滤波器的稳定。仿真结果表明改进的自适应强跟踪滤波算法具有较高的滤波精度和突变跟踪能力。针对无人机在飞行过程中传感器可能出现故障的问题,研究了一种基于新息特征值提取的改进残差卡方检验法来检测系统故障。为了进行系统重构,研究了基于故障信息分配系数的自适应容错滤波算法,通过各个传感器的无故障率来分配滤波权重,同时对检测阈值用模糊逻辑进行处理;将各个子滤波器的输出按预设的信息分配原则,输入到主滤波器,融合后得到全局最优估计;仿真结果表明,所采用的算法能较好地检测和处理系统故障,提高了系统的可靠性。为进一步验证所提出的滤波算法和容错组合导航算法的性能,开展了SINS/GPS/CNS组合导航系统跑车实验,构建了SINS/GPS/CNS组合导航系统模拟平台,将跑车实验得到的数据进行离线仿真,仿真验证了本文算法的可行性。
乔方博[6]（2018）在《基于冗余技术的列车组合定位方法研究》文中研究指明列车运行控制系统根据列车在线路上运行的客观条件和实际情况,对列车运行速度及制动方式等状态进行监督、控制和调整,是保证列车安全、快速平稳运行的重要保障。列车自主定位技术是列控系统实现列车间隔控制和速度控制必要技术环节。现有CTCS-3级的列控系统主要基于轮速传感器和应答器朝着列车自主化定位的方向发展,下一代列控系统对列车的定位提出了车载自主化、定位性能高可靠、高可用的要求。基于多传感器融合的组合定位方法使得高可靠的车载列车定位成为可能,利用各传感器的特点,发挥其在多种复杂场景中的各自优势,可以提高定位的精度,连续可靠地实现列车定位功能。为了进一步满足列车运行过程中高可靠、高可用的要求,需要考虑基于冗余表决结构的定位单元设计,本文研究了基于冗余技术的列车定位单元结构,分析并验证了冗余定位结构的可靠性和可用性。本文主要从列车冗余定位结构设计以及最优化设计、冗余定位结构的可靠性和可用性分析、基于实测数据的可用性验证三个方面展开研究:（1）从GNSS和ODO两种定位传感器的失效特性出发,以可靠性理论为基础,对传感器的失效类型进行分类,设计了定位传感器的“软故障”自校验方法和“硬故障”表决检测方法,提高了列车组合定位的可靠度。（2）结合GNSS和ODO定位传感器软硬故障的校验和表决方法,完成了基于冗余技术的列车定位单元的结构设计,基于可靠性框图对不同的冗余定位结构的可靠度进行了对比;针对限制条件下可靠度最优化的冗余设计问题,采用了改进的2ooN冗余结构,并对冗余分配模型进行了最优求解。（3）利用设计的列车定位单元在青藏线线路的实测数据,对GNSS和ODO定位传感器的软故障率进行了估计,利用基于马尔科夫状态转移的可用性估计方法估计了设计冗余定位结构的可用度水平。结果表明,在考虑软故障条件下,三取二定位结构比二取二定位结构可用度水平更高。通过系统结构的分析,结合三取二冗余结构设计和基于实际实测数据的验证,三取二冗余结构对系统可靠性和可用性有较大提升。
徐寿臣,王春玲,赵泽昆,韩晓娟[7]（2017）在《基于GA-BP神经网络的电池储能系统软故障模糊综合评价》文中指出储能电池使用时间的延长和使用条件的变化,会出现传统方法无法识别的软故障。针对上述问题,提出基于模糊输出的GA-BP神经网络磷酸铁锂电池储能系统故障诊断方法。该方法在分析SOC惩罚角和电压偏离度两个状态参量的基础上,建立GA-BP神经网络电池软故障诊断模型,根据电池衰减剩余容量的相对劣化度实现电池软故障级别的模糊划分。在恒流充放电试验条件下,对电池不同衰减程度进行试验。仿真试验表明,该方法可以对不同程度的容量衰减进行准确诊断。
赵泽昆[8]（2017）在《基于数据挖掘的大容量电池储能系统建模》文中进行了进一步梳理随着全球气候变暖和环境污染的日益严重,清洁能源受到社会各界的重点关注。为了缓解清洁能源出力的不稳定性,大容量电池储能系统成为清洁能源并网的重要组成部分。大容量电池储能系统的荷电状态和故障的自动监测是保障电力系统安全稳定运行的重要保障,也是推进智能电网建设的重要途径,因此必须对大容量电池储能系统的荷电状态和故障诊断进行研究。本文基于数据挖掘的方法对大容量电池储能系统进行分析,并建立大容量电池储能系统SOC评估模型和软故障诊断模型。首先,针对大容量电池储能系统SOC难以准确评估的问题,本文分别以基于等效电路和基于历史数据两种思路进行SOC评估模型的建立:在等效电路建模方面,利用云模型的方法挖掘OCV-SOC典型曲线;在历史数据模型方面,利用思维进化算法对传统BP神经网络进行改进,确定SOC的最佳状态评估策略。其次,利用上述基于数据挖掘的SOC状态评估策略,对大容量电池储能系统的故障数据进行分析,确定惩罚角和偏离度两个典型故障特征向量,并引入模糊数学和劣化度的概念,对电池储能系统的软故障状态进行模糊划分,提高了故障诊断的准确率。最后,在MATLAB仿真平台上开发了基于数据挖掘的大容量电池储能系统SOC评估及系统故障诊断GUI仿真界面,该软件具有较好的交互性与可移植性,已被编译为可独立运行的软件,可实现大容量电池储能系统的SOC状态评估、故障特征提取和软故障诊断分析。
田晓春[9]（2016）在《组合导航系统的故障检测与重构》文中进行了进一步梳理随着武器系统等对导航系统的定位精度,可靠性的要求不断提高。融合多种导航系统的组合导航系统已经成为了最为理想的导航系统,为了进一步提高组合导航系统的定位精度和可靠性,对惯性导航/卫星导航/天文导航为例的组合导航系统的故障检测算法和故障处理策略进行了研究。针对组合导航系统的软故障检测能力不足,基于常见的残差卡方检验法,提出了改进的序贯残差概率比检验方法,能够简单准确的检测组合导航系统的故障,该方法不需要考虑常见多样本检验时的滑动窗长等问题,对惯性导航/天文导航/卫星导航组合系统的仿真验证了该算法对软故障具有较高灵敏性,能够有效提高组合导航的软故障检测能力。由于惯性导航/卫星导航/天文导航组合导航系统的位置反馈主要来源于卫星导航系统,在惯性导航/卫星导航子系统出现故障后直接隔离将会导致组合导航系统的定位精度下降。因此结合人工智能的方法,使用遗传寻优的径向基函数神经网络在系统正常时训练网络模型,在系统故障时使用训练好的模型回归定位解,能够维持组合导航系统相对准确的位置定位解。对组合导航系统的仿真验证了该方法能够在惯性导航/卫星导航子系统故障时,保持组合导航系统较高的定位精度,提高组合导航系统的容错性。
朋泽群[10]（2016）在《光伏并网逆变器软故障诊断方法研究》文中研究表明随着快速发展的生产社会,致使能源需求不断增长,在全球范围内的能源短缺的危机变得日益严峻。化石能源在地球中是一种非再生资源,终究会致使其耗尽。化石资源也会随着资源数量的不断减少,出现价格会相应的提高,严重制约着人民生活水平和社会的生产发展的提高。可再生能源在全球范围内的能源需求有着相当重要的作用,在我们国家这样的人口大国就更加显得尤为重要。太阳能能源在我们国家非常富足,具有相当好的发展前景。将太阳能光伏阵列发出的直流电通过光伏逆变器变换成能够满足市电使用条件的交流电然后直接并入公共电网称之为光伏并网发电系统。当阳光充足时则不需使用市网电,可选择采用太阳能发出的电；当太阳能发电达不到使用量标准或阳光不充裕时,其系统可通过其控制部分切换到市网电给予供电。这种系统的最重要部分是光伏并网逆变器,其中光伏并网逆变器的可靠运行决定着其系统运行的安全性。由若干开关器件及电感、电容组合而成的并网逆变器主电路,在逆变电路运行过程的故障可划分成硬故障（结构性故障）和软故障（参数性故障）,其中软故障对电路的可靠性具有很大的影响,其中较为突出的是滤波电容的软故障。由电容的引出电极长时间经受大电流的充、放电冲击造成电容出现不同程度的氧化现象,电容储电能力也会随着减小,也就是相当于电容容量大幅衰减。由于电容容量的变小,通常体现为带负载能力减弱,当负载增加时则会发生直流回路欠压的故障。从而导致更大程度上损坏电容,也有能够导致直流回路产生电压振荡,严重损毁逆变模块。本文主要分析逆变器中的电解电容在不同容差下的软故障特征,根据光伏并网逆变器特点,提出了一种光伏并网逆变器主电路拓扑结构中电解电容软故障诊断方法,并利用MATLAB搭建了光伏并网逆变器的仿真模型。因为逆变器的电解电容随着运行时间的推移出现不同程度的老化现象,致使电容值减小,导致电网中输出的线电压偏离正常工作时的电压,故本文采用逆变器三相输出电压信号作为特征量,并采用小波变换的方法对其进行处理。再利用BP神经网络和SOM神经网络分别对逆变器进行软故障诊断,通过仿真实验得出诊断结果,并将这两种诊断方法进行比较,得到SOM神经网络在逆变器软故障诊断方面更具有一定优势。
二、GSM系统软故障的处理（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GSM系统软故障的处理（论文提纲范文）
（1）基于时间反演-多信号分类的同轴电缆网络软故障检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 电缆软故障检测方法研究现状 |
| 1.2.1 电缆软故障形成机理研究 |
| 1.2.2 单根电缆软故障检测 |
| 1.2.3 电缆网络软故障检测 |
| 1.3 时间反演与多信号分类 |
| 1.4 本文的主要研究内容 |
| 第2章 同轴电缆软故障建模分析 |
| 2.1 引言 |
| 2.2 基于传输线理论的同轴电缆电参数计算 |
| 2.2.1 传输线理论 |
| 2.2.2 SYV-50-3 型同轴电缆电参数计算 |
| 2.3 同轴电缆软故障建模与仿真 |
| 2.3.1 切割型软故障仿真分析 |
| 2.3.2 挤压型软故障仿真分析 |
| 2.3.3 热老化型软故障仿真分析 |
| 2.3.4 网络节点反射现象仿真分析 |
| 2.4 包含故障的传输线模型 |
| 2.5 本章小结 |
| 第3章 同轴电缆网络软故障检测与定位方法 |
| 3.1 引言 |
| 3.2 TR-MUSIC在电缆软故障检测中的应用 |
| 3.3 软故障检测方法的仿真验证 |
| 3.3.1 基于ADS的无耗电缆软故障检测验证 |
| 3.3.2 基于CST的有耗电缆软故障检测验证 |
| 3.3.3 实测数据验证 |
| 3.4 基于S参数的电缆网络支路长度测量 |
| 3.4.1 基本原理 |
| 3.4.2 可行性验证 |
| 3.5 本章小结 |
| 第4章 同轴电缆网络软故障检测与定位方法性能分析 |
| 4.1 引言 |
| 4.2 峭度分析在TR-MUSIC中的应用 |
| 4.3 挤压型软故障检测精度与灵敏度分析 |
| 4.3.1 单根电缆 |
| 4.3.2 Y形电缆网络 |
| 4.4 切割型软故障检测精度与灵敏度分析 |
| 4.4.1 单根电缆 |
| 4.4.2 Y形电缆网络 |
| 4.5 故障检测方法通用性分析 |
| 4.5.1 硬故障检测 |
| 4.5.2 双绞线软故障检测 |
| 4.6 本章小结 |
| 第5章 同轴电缆网络软故障检测系统软件设计 |
| 5.1 引言 |
| 5.2 软故障检测系统软件设计 |
| 5.2.1 软件设计语言介绍 |
| 5.2.2 软故障检测系统功能模块设计 |
| 5.3 软件功能实现与功能验证 |
| 5.3.1 S参数测量界面 |
| 5.3.2 引入对照组分析界面 |
| 5.3.3 功能验证 |
| 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发明专利 |
| 致谢 |
（2）多重控制信息失效下配电网电压波动性的评估（论文提纲范文）
| 0 引言 |
| 1 集中型电压控制系统建模 |
| 1.1 集中型电压控制系统的结构与功能 |
| 1.2 集中型电压控制方法 |
| 2 信息系统失效原因分析及有效性分析 |
| 2.1 信息系统失效原因分析 |
| 2.2 信息系统有效性建模 |
| 3 电压波动性评价方法 |
| 3.1 电压波动性指标 |
| 3.2 信息失效对电压波动性影响的耦合方法 |
| 3.3 基于序贯蒙特卡洛模拟的评价方法 |
| 4 算例分析 |
| 4.1 仿真系统与参数 |
| 4.2 算例结果与分析 |
| 4.3 灵敏度分析 |
| 4.4 案例对比分析 |
| 5 结语 |
| 附录A |
| 附录B算例部分仿真结果 |
（3）冗余式捷联惯导系统故障检测与隔离关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 冗余式捷联惯导系统故障检测与隔离技术研究现状 |
| 1.2.1 捷联惯导系统冗余配置方案研究现状分析 |
| 1.2.2 冗余式捷联惯导系统故障检测算法研究现状分析 |
| 1.2.3 冗余式捷联惯导系统故障隔离算法研究现状分析 |
| 1.3 论文研究内容及结构安排 |
| 第2章 基于优化性能指标的冗余配置方案设计 |
| 2.1 冗余配置方案设计总体准则 |
| 2.2 现有冗余配置方案设计准则及分析 |
| 2.2.1 系统可靠性准则分析 |
| 2.2.2 最优导航性能准则分析 |
| 2.2.3 故障状态下测量精度准则分析 |
| 2.3 基于故障检测与隔离性能的冗余配置准则设计 |
| 2.4 四陀螺及六陀螺冗余配置方案性能分析 |
| 2.4.1 四陀螺冗余配置方案性能分析 |
| 2.4.2 六陀螺冗余配置方案性能分析 |
| 2.5 本章小结 |
| 第3章 基于IMM与 APV改进的软故障检测方法研究 |
| 3.1 软故障检测方法基本原理及延时问题分析 |
| 3.1.1 基于KF补偿的GLT故障检测方法基本原理 |
| 3.1.2 软故障检测延时问题分析 |
| 3.2 基于IMM与 APV改进的GLT故障检测方法 |
| 3.2.1 基于IMM补偿的奇偶向量设计 |
| 3.2.2 基于APV改进的GLT故障检测方法设计 |
| 3.3 软故障检测改进方法实验与分析 |
| 3.3.1 仿真实验比对与分析 |
| 3.3.2 实测数据实验比对与分析 |
| 3.4 本章小结 |
| 第4章 基于残差卡方检验的单故障隔离方法研究 |
| 4.1 单故障隔离问题的提出 |
| 4.2 基于平均降维矢量的残差卡方检验故障隔离方法 |
| 4.2.1 基于残差卡方检验的系统故障检测方法基本原理 |
| 4.2.2 基于降维矢量的残差卡方检验故障隔离方法设计 |
| 4.2.3 基于平均降维矢量的残差卡方检验故障隔离方法设计 |
| 4.3 单故障隔离方法实验与分析 |
| 4.3.1 仿真实验与分析 |
| 4.3.2 实测数据实验与分析 |
| 4.4 本章小结 |
| 第5章 基于MLE与 RPV改进的双故障隔离方法研究 |
| 5.1 基于MLE的双故障隔离方法基本原理及分析 |
| 5.1.1 双故障隔离方法基本原理 |
| 5.1.2 双故障隔离方法适用条件分析 |
| 5.2 基于MLE与 RPV的双故障隔离方法设计 |
| 5.2.1 动态环境下基于MLE的双故障隔离方法设计 |
| 5.2.2 改进的RPV故障隔离方法设计 |
| 5.3 双故障隔离方法实验与分析 |
| 5.3.1 仿真实验与分析 |
| 5.3.2 实测数据实验与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（4）基于改进GLT的冗余捷联惯导故障诊断算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 导航系统故障诊断技术研究现状 |
| 1.2.1 基于解析模型的故障诊断方法 |
| 1.2.2 不依赖解析模型的故障诊断方法 |
| 1.3 GLT故障诊断算法研究现状 |
| 1.4 论文主要工作及章节安排 |
| 第2章 GLT故障诊断原理 |
| 2.1 引言 |
| 2.2 GLT故障诊断模型 |
| 2.3 GLT故障的统计检测原理 |
| 2.3.1 故障的二元假设检验 |
| 2.3.2 故障假设检验的概率分布 |
| 2.4 GLT故障诊断原理 |
| 2.4.1 故障检测原理 |
| 2.4.2 故障隔离及故障幅值估计原理 |
| 2.4.3 虚警率、漏检率和正确隔离率的计算 |
| 2.5 仿真验证 |
| 2.6 本章小结 |
| 第3章 GLT软故障检测方法的改进研究 |
| 3.1 引言 |
| 3.2 误差对GLT软故障检测的影响分析 |
| 3.3 基于BP神经网络的误差补偿算法设计 |
| 3.4 BP神经网络算法 |
| 3.4.1 神经网络的理论基础 |
| 3.4.2 BP神经网络原理 |
| 3.5 BP神经网络的建模及训练 |
| 3.5.1 神经网络参数的确定 |
| 3.5.2 神经网络的MATLAB实现 |
| 3.6 BP神经网络补偿误差仿真试验 |
| 3.7 本章小结 |
| 第4章 GLT故障检测门限选取方法研究 |
| 4.1 引言 |
| 4.2 故障检测门限的选取准则 |
| 4.2.1 利用统计原理选取门限 |
| 4.2.2 蒙特-卡罗仿真试验法选取门限 |
| 4.3 基于代价函数的故障检测门限选取方法研究 |
| 4.3.1 最小错误概率代价函数确定门限 |
| 4.3.2 系统最大任务可靠性代价函数确定门限 |
| 4.4 仿真验证 |
| 4.5 本章小结 |
| 第5章 GLT多故障诊断算法研究 |
| 5.1 引言 |
| 5.2 多故障诊断算法设计 |
| 5.3 GLT多故障隔离的充分条件 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）一类组合导航系统的滤波和容错算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 高空长航时无人机研究现状 |
| 1.3 组合导航关键技术与应用研究 |
| 1.3.1 惯性/多传感器组合导航系统发展现状 |
| 1.3.2 多传感器信息融合现状概述 |
| 1.3.3 组合导航系统故障检测与重构技术研究 |
| 1.4 论文的主要工作和内容安排 |
| 2 组合导航系统的基本原理和建模 |
| 2.1 引言 |
| 2.2 捷联惯导系统原理介绍 |
| 2.2.1 常用坐标系及其变化 |
| 2.2.2 捷联惯导的更新算法 |
| 2.2.3 捷联惯导的误差方程 |
| 2.3 全球定位系统原理介绍 |
| 2.4 星敏感器定姿原理 |
| 2.5 SINS/GPS/CNS组合导航系统模型 |
| 2.5.1 组合导航系统融合结构 |
| 2.5.2 系统状态方程 |
| 2.5.3 系统量测方程 |
| 2.6 本章小结 |
| 3 一类组合导航系统滤波算法设计 |
| 3.1 引言 |
| 3.2 卡尔曼滤波 |
| 3.2.1 卡尔曼滤波原理介绍 |
| 3.2.2 仿真实验分析 |
| 3.3 改进的自适应卡尔曼滤波器 |
| 3.3.1 自适应卡尔曼滤波器设计原则 |
| 3.3.2 Sage-Husa自适应滤波算法 |
| 3.3.3 改进的自适应强跟踪卡尔曼滤波算法 |
| 3.3.4 仿真分析 |
| 3.4 本章小结 |
| 4 多源信息导航故障检测算法研究 |
| 4.1 引言 |
| 4.2 组合导航系统常见的故障类型 |
| 4.3 故障检测 |
| 4.3.1 残差卡方故障检测算法研究 |
| 4.3.2 状态卡方故障检测算法研究 |
| 4.3.3 改进的残差卡方故障检测算法研究 |
| 4.4 故障检测算法仿真分析 |
| 4.4.1 仿真条件设置 |
| 4.4.2 仿真结果对比分析 |
| 4.5 本章小结 |
| 5 一类组合导航系统重构技术研究 |
| 5.1 引言 |
| 5.2 SINS/GPS/CNS组合导航自适应联邦滤波器 |
| 5.2.1 自适应联邦滤波器结构设计 |
| 5.2.2 基于模糊逻辑的故障处理算法 |
| 5.3 基于故障信息分配系数的自适应容错滤波算法 |
| 5.4 自适应容错滤波算法仿真分析 |
| 5.4.1 仿真条件设置 |
| 5.4.2 仿真结果对比分析 |
| 5.5 本章小结 |
| 6组合导航系统地面车载实验 |
| 6.1 引言 |
| 6.2 组合导航车载实验总体方案 |
| 6.3 车载实验及分析 |
| 6.3.1组合导航滤波算法实验 |
| 6.3.2组合导航系统故障检测实验 |
| 6.3.3组合导航系统重构实验 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于冗余技术的列车组合定位方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 冗余技术在列车运行控制系统中的研究现状 |
| 1.2.2 冗余技术在列车定位中的研究现状 |
| 1.2.3 资源有限条件下的可靠性最优化冗余分配 |
| 1.3 论文结构 |
| 2 基于冗余技术的列车定位理论研究 |
| 2.1 定位传感器失效特性分析 |
| 2.1.1 GNSS失效特性分析及自校验方法 |
| 2.1.2 ODO失效特性分析及自校验方法 |
| 2.2 基于冗余的列车定位传感器失效分类方法 |
| 2.2.1 传统失效定义及分类 |
| 2.2.2 列车定位传感器软故障和硬故障的分类方法 |
| 2.3 可靠性和可用性分析方法 |
| 2.3.1 冗余结构可靠性分析方法 |
| 2.3.2 冗余结构可靠性分析比较 |
| 2.3.3 冗余结构可用性分析方法 |
| 2.4 限制条件下列车定位系统最优化设计方法 |
| 2.4.1 可靠性最优化冗余分配方法介绍 |
| 2.4.2 可靠性最优化冗余分配方法求解 |
| 2.5 本章小结 |
| 3 列车定位冗余结构设计与性能分析 |
| 3.1 列车定位冗余结构设计 |
| 3.1.1 列车二取二定位结构设计 |
| 3.1.2 列车三取二定位结构设计 |
| 3.2 列车定位结构可靠性分析 |
| 3.2.1 冗余定位结构分析 |
| 3.2.2 冗余定位结构可靠性计算 |
| 3.3 限制条件下的冗余分配可靠性最优设计 |
| 3.4 本章小结 |
| 4 列车定位结构验证与性能分析 |
| 4.1 实验数据采集 |
| 4.1.1 冗余定位系统逻辑验证 |
| 4.1.2 定位传感器软故障率统计 |
| 4.2 列车定位系统的可用性分析 |
| 4.3 本章小结 |
| 5 结论与展望 |
| 5.1 本文的工作内容 |
| 5.2 进一步研究与展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 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 |
（7）基于GA-BP神经网络的电池储能系统软故障模糊综合评价（论文提纲范文）
| 0 引言 |
| 1 电池衰减原因及特性 |
| 2 特征量提取 |
| 2.1 惩罚角 |
| 2.2 偏离度 |
| 3 软故障诊断模型 |
| 3.1 神经网络结构确定 |
| 3.2 模糊输出GA-BP神经网络软故障模型的建立 |
| 4 仿真实例 |
| 4.1 模型训练 |
| 4.2 模型测试 |
| 5 结语 |
（8）基于数据挖掘的大容量电池储能系统建模（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 大容量储能技术发展现状 |
| 1.2.2 储能技术示范工程 |
| 1.2.3 大容量电池储能系统建模研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 基于数据挖掘的电池储能系统SOC状态评估 |
| 2.1 引言 |
| 2.2 大容量电池储能系统成组方式及标定方法 |
| 2.2.1 大容量电池储能系统成组方式 |
| 2.2.2 大容量电池储能系统图论标定方法 |
| 2.3 基于等效电路的大容量电池储能系统SOC状态估计 |
| 2.3.1 电池单体等效电路模型分析 |
| 2.3.2 基于云模型的OCV-SOC典型曲线挖掘及等效电路模型建立 |
| 2.3.3 改进UKF算法的SOC状态估计 |
| 2.3.4 仿真分析 |
| 2.4 基于神经网络的大容量电池储能系统SOC状态估计 |
| 2.4.1 SOC状态估计模型影响因素分析 |
| 2.4.2 BP神经网络模型 |
| 2.4.3 基于思维进化算法的权值阈值优化模型 |
| 2.4.4 仿真分析 |
| 2.5 本章小结 |
| 第3章 基于数据挖掘的电池储能系统软故障诊断 |
| 3.1 引言 |
| 3.2 大容量电池储能系统软故障特征量提取 |
| 3.2.1 惩罚角提取 |
| 3.2.2 偏离度提取 |
| 3.3 储能系统软故障诊断模型的构建 |
| 3.3.1 神经网络结构确定 |
| 3.3.2 模糊输出GA-BP神经网络软故障模型 |
| 3.4 仿真实例 |
| 3.4.1 模型训练 |
| 3.4.2 实例验证 |
| 3.5 本章小结 |
| 第4章 基于Matlab GUI储能系统故障诊断软件开发 |
| 4.1 MATLAB GUI简介 |
| 4.2 MATLAB GUI设计流程 |
| 4.3 储能系统故障诊断软件初始界面设计与实现 |
| 4.3.1 储能系统软故障诊断软件初始界面设计 |
| 4.3.2 软件初始界面功能实现 |
| 4.3.3 软件具体模块功能实现 |
| 4.4 软件编译与发布 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）组合导航系统的故障检测与重构（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 第2章 组合导航子系统选择与组合方式设计 |
| 2.1 引言 |
| 2.2 导航系统常用坐标系 |
| 2.3 组合导航系统工作原理与模式选择 |
| 2.3.1 组合导航系统工作原理 |
| 2.3.2 组合导航系统的设计模式 |
| 2.3.3 组合导航使用的滤波算法 |
| 2.4 导航子系统的分析和误差模型 |
| 2.4.1 惯性导航系统(INS)分析与误差模型 |
| 2.4.2 全球卫星导航系统(GNSS)分析与误差模型 |
| 2.4.3 天文导航系统(CNS)测姿模型 |
| 2.5 惯性导航/卫星导航/天文导航(INS/GNSS/CNS)组合导航系统 |
| 2.5.1 惯性导航/卫星导航导航子系统组合模型 |
| 2.5.2 惯性导航/天文导航子系统组合模型 |
| 2.5.3 惯性导航/卫星导航/天文导航(INS/GNSS/CNS)组合方式 |
| 2.6 本章小结 |
| 第3章 组合导航系统的序贯残差概率比检验方法 |
| 3.1 引言 |
| 3.2 组合导航系统故障分类 |
| 3.3 组合导航系统的故障检验方法 |
| 3.4 序贯残差概率比检验方法 |
| 3.4.1 构造检验统计量 |
| 3.4.2 选取故障检测门限 |
| 3.4.3 多样本检验方法选择 |
| 3.4.4 序贯残差概率比方法的数学推导 |
| 3.5 本章小结 |
| 第4章 组合导航系统故障重构处理策略 |
| 4.1 引言 |
| 4.2 改进的RBF神经网络算法(IRBFNN) |
| 4.3 惯性导航/卫星导航子系统故障时系统重构策略 |
| 4.3.1 训练阶段 |
| 4.3.2 预测阶段 |
| 4.4 本章小结 |
| 第5章 仿真与分析 |
| 5.1 仿真平台搭建与介绍 |
| 5.2 故障检测算法验证与分析 |
| 5.3 IRBFNN神经网络算法验证与分析 |
| 5.4 含故障检测与重构的组合导航系统仿真与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（10）光伏并网逆变器软故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 逆变器故障诊断简介 |
| 1.2.2 逆变器故障特点及分类 |
| 1.2.3 逆变器故障诊断国内外研究现状 |
| 1.3 本文研究的内容 |
| 1.4 论文的工作安排 |
| 2 光伏并网逆变器建模与故障分析 |
| 2.1 光伏并网逆变器的选择 |
| 2.2 光伏并网逆变器主电路拓扑 |
| 2.3 三电平NPC逆变器故障模型的搭建 |
| 2.3.1 仿真工具SIMULINK简介 |
| 2.3.2 三电平逆变器故障仿真 |
| 2.4 光伏并网逆变器故障信号选取与采集 |
| 2.5 本章小结 |
| 3 故障特征提取方法研究 |
| 3.1 小波分解法 |
| 3.1.1 小波变换的基本原理 |
| 3.1.2 基于小波变换的能量特征提取方法 |
| 3.2 逆变器特征值提取 |
| 3.3 本章小结 |
| 4 BP神经网络 |
| 4.1 神经网络的基础 |
| 4.2 神经元传递函数 |
| 4.3 BP网络 |
| 4.4 BP网络学习过程 |
| 4.4.1 BP网络的算法 |
| 4.4.2 BP算法的步骤 |
| 4.5 基于BP神经网络的软故障诊断 |
| 4.5.1 BP神经网络工具箱函数 |
| 4.5.2 仿真实验结果及其分析 |
| 4.6 本章小结 |
| 5 SOM神经网络 |
| 5.1 神经网络概述 |
| 5.2 SOM神经网络结构 |
| 5.3 SOM神经网络学习算法 |
| 5.4 光伏逆变器软故障诊断的SOM网络模型的建立 |
| 5.5 基于SOM神经网咯的软故障诊断 |
| 5.6 仿真实验结果及其分析 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
四、GSM系统软故障的处理（论文参考文献）
- [1]基于时间反演-多信号分类的同轴电缆网络软故障检测方法研究[D]. 何鑫. 哈尔滨工业大学, 2021
- [2]多重控制信息失效下配电网电压波动性的评估[J]. 刘文霞,韩辉. 电力系统自动化, 2020(09)
- [3]冗余式捷联惯导系统故障检测与隔离关键技术研究[D]. 孙湘钰. 哈尔滨工程大学, 2020
- [4]基于改进GLT的冗余捷联惯导故障诊断算法研究[D]. 乔鹏超. 哈尔滨工程大学, 2020(05)
- [5]一类组合导航系统的滤波和容错算法研究[D]. 王毓珺. 南京理工大学, 2018(06)
- [6]基于冗余技术的列车组合定位方法研究[D]. 乔方博. 北京交通大学, 2018(06)
- [7]基于GA-BP神经网络的电池储能系统软故障模糊综合评价[J]. 徐寿臣,王春玲,赵泽昆,韩晓娟. 电器与能效管理技术, 2017(13)
- [8]基于数据挖掘的大容量电池储能系统建模[D]. 赵泽昆. 华北电力大学(北京), 2017(03)
- [9]组合导航系统的故障检测与重构[D]. 田晓春. 北京理工大学, 2016(03)
- [10]光伏并网逆变器软故障诊断方法研究[D]. 朋泽群. 安徽理工大学, 2016(08)