基于智能信號(hào)處理方法的全量程氫氣檢測(cè)系統(tǒng)研究

第1章 緒論
1．1 課題背景及研究目的和意義
1．1．1 背景
1．1．2 研究目的和意義
1．2 國(guó)內(nèi)外研究現(xiàn)狀分析
1．2．1 全量程氫氣檢測(cè)的研究現(xiàn)狀
1．2．2 集成檢測(cè)微系統(tǒng)的研究現(xiàn)狀
1．2．3 氣體傳感器故障檢測(cè)、恢復(fù)及診斷技術(shù)的研究現(xiàn)狀
1．3 論文的主要研究?jī)?nèi)容及結(jié)構(gòu)安排
第2章 智能信號(hào)處理方法理論基礎(chǔ)
2．1 引言
2．2 機(jī)器學(xué)習(xí)的基本思想及貝葉斯理論
2．2．1 機(jī)器學(xué)習(xí)的基本思想
2．2．2 貝葉斯理論
2．3 RBF神經(jīng)網(wǎng)絡(luò)基本理論
2．4 ．支持向量機(jī)基本理論
2．5 相關(guān)向量機(jī)基本理論
2．5．1 回歸模型
2．5．2 分類模型
2．5．3 核函數(shù)的選擇
2．5．4 RVM決策函數(shù)復(fù)雜度分析
2．6 相關(guān)向量機(jī)與支持向量機(jī)對(duì)比分析
2．7 本章小結(jié)
第3章 全量程氫氣檢測(cè)微系統(tǒng)敏感芯片設(shè)計(jì)
3．1 引言
3．2 全量程氫氣檢測(cè)微系統(tǒng)敏感芯片工作原理
3．2．1 半導(dǎo)體式敏感芯片工作原理
3．2．2 熱導(dǎo)式敏感芯片的工作原理
3．2．3 催化燃燒式敏感芯片的工作原理
3．3 全量程氫氣檢測(cè)微系統(tǒng)敏感芯片有限元仿真分析
3．3．1 加熱電阻結(jié)構(gòu)對(duì)溫度云圖的影響
3．3．2 基底厚度對(duì)溫度云圖的影響
3．3．3 加熱電壓對(duì)溫度云圖的影響
3．3．4 多溫度場(chǎng)耦合模型及計(jì)算方法
3．3．5 熱串?dāng)_分析及隔熱設(shè)計(jì)
3．4 全量程氫氣檢測(cè)微系統(tǒng)敏感芯片結(jié)構(gòu)設(shè)計(jì)
3．5 本章小結(jié)
第4章 全量程氫氣檢測(cè)微系統(tǒng)氫氣濃度測(cè)量方法
4．1 引言
4．2 氫氣濃度標(biāo)定實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)
4．2．1 標(biāo)定實(shí)驗(yàn)系統(tǒng)建立
4．2．2 實(shí)驗(yàn)步驟及各標(biāo)定點(diǎn)數(shù)據(jù)獲取
4．2．3 標(biāo)定樣本選取與方案優(yōu)化
4．3 基于RvM的小樣本標(biāo)定數(shù)據(jù)下氫氣濃度全量程測(cè)量方法
4．3．1 基于小生境粒子群算法的RVM參數(shù)優(yōu)化
4．3．2 基于RVM回歸的全量程氫氣濃度測(cè)量方法及實(shí)驗(yàn)分析
4．4 本章小結(jié)
第5章 全量程氫氣檢測(cè)微系統(tǒng)故障檢測(cè)與恢復(fù)方法
5．1 引言
5．2 常見(jiàn)故障類型分析
5．2．1 常見(jiàn)故障類型
5．2．2 故障數(shù)據(jù)的仿真
5．3 基于數(shù)理統(tǒng)計(jì)方法的故障檢測(cè)
5．4 基于RvM的故障恢復(fù)方法
5．5 本章小結(jié)
第6章 全量程氫氣檢測(cè)微系統(tǒng)故障診斷方法
6．1 引言
6．2 基于小波奇異熵和相關(guān)向量機(jī)的故障診斷
6．2．1 基于小波奇異熵的故障信號(hào)特征提取原理
6．2．2 RVM故障診斷方法
6．3 基于知識(shí)推送的專家系統(tǒng)故障診斷
6．3．1 基于知識(shí)推送的專家系統(tǒng)設(shè)計(jì)
6．3．2 實(shí)驗(yàn)驗(yàn)證
6．4 基于RVM與基于專家系統(tǒng)的故障診斷方法對(duì)比分析
6．5 本章小結(jié)
結(jié)論
參考文獻(xiàn)