一、MBR软故障的通用应急修复方法（论文文献综述）
邓双敏[1]（2021）在《基于可重构芯片的故障智能自检测与演化修复》文中进行了进一步梳理随着人工智能的进一步发展,AI芯片及硬件加速器等被应用于各个领域,但是芯片在使用过程中受到外部环境的影响无法避免的会发生故障和错误。提高芯片的可靠性越来越受到研究者的重视,其中芯片在复杂多变的环境进行自适应的故障自检测与自修复逐渐成为研究热点。故障检测与定位作为提高系统可靠性的关键一步,可以通过精确地故障定位缩小故障修复范围为故障修复提供指导。而演化硬件技术作为故障修复的有效方法并没有将故障检测与定位方案考虑其中,为此本文提出将故障的检测与故障演化修复相结合形成一个故障修复系统,以此来提高故障修复效率与成功率。基于上述思路,本文采用Zedboard作为实验平台,在其上抽象一层虚拟可重构电路（Virtual Reconfigurable Circuit,VRC）,并以笛卡尔遗传编码（Cartesian Genetic Programming,CGP）方案作为电路编码方案。其次,为了突破限制智能故障检测发展的数据问题,提出通过基于模拟的故障注入方式向CGP进行故障注入后,将故障电路的CGP下载到FPGA（Field Programmable Gate Arrays,FPGA）中获得大量有效的故障数据。并提出基于多标签的LSTM算法MLSTM进行功能电路的多点故障实时检测。通过与BP等智能检测算法进行实验可以发现,MLSTM算法在故障检测效率和准确率明显高于其他算法,其中单条数据的平均检测时间可以达到ML＿KNN的1/21左右,误判率只有BP＿MLL的1/3左右。在监测到电路故障后,本文利用故障分析树确定的电路重要程度得到故障的修复顺序。同时在故障隔离期间采用冗余暂替方案保证系统的正常运行,即通过动态加载真值表方式保障修复的实时性。最后在根据发过来的修复顺序对各个故障电路故障修复时,利用本文提出的自适应、自修复的演化算法QPGA进行故障修复,以提高在严格时间约束情况下的演化速度和成功率,通过与其他修复算法进行的对比可以看出QPGA算法在保障种群多样性方面具有非常好的优势,故障修复效率也高于其他算法。
郑才武[2]（2021）在《空间电源系统通用管理平台研究》文中提出随着未来人们向着深空的探索,航天器需要长期在轨运行,任务载荷数量多,复杂程度高,功能多样化。为满足上述需求,未来航天器需要向长寿命、大功率化和智能化等方向发展。航天器主要采用以太阳能电池阵列、储能电池组构成的电源系统。电源系统作为航天器的重要组成部分,为航天器各个阶段的任务负载提供可靠稳定的电能。无论是探测器,还是大型航天器、人造卫星等,都需要电源管理技术合理调配电源,完成电能输出与负载功率需求的高效平衡,提高突发情况的自主调节能力,延长航天器使用寿命。首先本文分别从电源系统的太阳能电池输出特性、电源系统的储能电池特性、以及电源系统的硬件架构-功率调节单元和功率分配单元、电源与蓄电池控制策略-MPPT算法与电池组的均衡技术、以及电源电能调度策略等方面,分析总结了有关空间电源的管理所用到的技术。其次本文根据空间电源的管理技术的研究,对以往有关电源的算法,控制硬件架构进行了总结和分析,进而通过吸取他人的技术,规划出一套空间电源智能管理系统,即智能配电管理,故障管理,电源计划调度管理,以及多协作控制结构的设计。设计出一款由DSP+FPGA协同控制的电源系统控制板。主要对电源系统的发电装置和储能电池,以及相关负载的电压,电流,温度采集,数据传送与存储,电磁阀及电机的控制,以及上位机界面设计。最后完成了控制板与3kw燃料电池系统联试和验证。燃料电池作为空间电源,电阻负载作为空间飞行器上的电子负载,氢氧气罐当作空间电源的蓄电池。最终在老师的帮助下完成实验控制板的相关功能验证以及燃料电池的高效率输出。
王文亮[3]（2020）在《无人机分系统单元测试性分析与验证技术研究》文中认为随着人们越来越关注军用无人机的自主保障能力,提高无人机航电系统的测试性与可靠性成为了无人机发展的重要课题。无人机分系统单元的测试性验证试验对于无人机分系统测试性与可靠性设计方案的改进与优化具有重要意义。本文以成都飞机设计研究所的无人机地面综合仿真测试试验平台开发项目为依托,在相关理论支撑下,设计实现了相关测试平台,进行了无人机分系统单元的测试性验证试验。为了展开测试性验证试验,首先需要设计并搭建无人机故障注入与测试子平台。本文介绍了课题中待测的无人机机载设备及分系统模拟器,分析了无人机分系统单元测试性验证试验流程。基于故障-测试理论模型,对试验所需的故障注入表与故障诊断表等的表项进行设计与生成方法的研究。通过对试验需求的分析,设计了无人机地面综合仿真测试平台的总体架构,介绍了为后续试验提供基础的无人机飞行仿真与地面测控子平台。从硬件搭建与软件开发两个角度,详细阐述了成功应用于本课题的故障注入系统和故障测试系统。以无人机热控分系统的主动热控单元JA01为具体案例,根据设计搭建的无人机故障注入与故障测试子平台完成测试性分析与验证试验。基于多信号流图对该单元进行模块级测试性分析,求得其故障-测试相关性矩阵,最终得到故障注入集与故障诊断测试集,分别进行故障注入与故障检测试验。最后分析得出该主动热控单元的测试性指标和试验结论,并根据试验结果给出测试性与可靠性设计的改进方案。最后总结无人机分系统单元测试性验证试验结果,对故障注入系统和故障测试系统做出性能验证与评价。本课题研究内容可以实现对无人机分系统单元的测试性设计指标的有效评估。同时为提高无人机航电系统的可靠性与容错能力,降低虚警率提供试验数据支撑与指导依据,为后期机上系统级智能机内测试设计与机上综合故障诊断计算机运行算法设计等相关课题提供试验基础。
刘杨[4]（2020）在《地铁站综合智能维护管理系统的设计与实现》文中进行了进一步梳理目前,随着科学技术的不断发展进步,地铁站各项设备的构造越来越复杂并且集成度也越来越高,这导致了设备维修困难且维修费用高昂。传统的地铁站检修维护模式在客流量日益增加的今天也已经不够高效。地铁站综合智能维护管理系统主要目的是让地铁站设备的维护检修过程更加高效、准确预测设备老化程度和将要发生的故障,以便及时维护检修,从而提高地铁站的经济效益。本文主要研究地铁站综合智能维护管理系统的设计与实现。从系统主要功能上,分为通用功能模块和专业功能模块进行设计与开发。通用功能模块的设计采用基于B/S架构的SSM框架,数据库选用MySQL,并且采用了分层与模块化的设计方案,提高了系统的灵活性和可扩展性。专业功能模块的设计实现过程中使用相关数据挖掘手段,结合实际数据实现对地铁站内冷水机组进行健康程度评估和对磁盘阵列进行故障预测。论文主要设计与实现的模块有:（1）工作管理模块:为相关用户提供维护巡检等相关功能;（2）系统管理模块:为管理员用户提供对系统的基础管理功能;（3）冷水机组健康度算法模块:对冷水机组设备的健康程度进行评估,为冷水机组的检修维护提供参考;（4）硬盘故障预测算法模块:对将发生故障的硬盘进行识别,以便及时进行数据备份等工作。本文最后对项目进行测试,总结系统优缺点并对未来需要完善之处做出规划。目前,地铁站综合智能维护管理系统已在两条地铁线路上上线进行试运营。试运营结果表明地铁站综合智能维护管理系统的效果已到预期,可以为各大地铁站的用户提供高效便捷的服务,有效提高站点工作效率,节省维护检修成本,从而增加地铁站的经济效益。
谈娟[5]（2020）在《基于解析模型的飞控系统故障诊断技术研究》文中研究指明随着航空技术的快速发展,故障诊断与健康管理成为余度飞行控制技术的一个重要研究内容。飞行控制系统是无人机的核心组成部分,其稳定性和可靠性关系到无人机的安全。从解析余度的角度研究飞行控制系统的故障诊断技术,能够弥补基于信号检测的故障诊断技术存在的一些不足,在理论研究和工程应用方面具有重要的意义和价值。论文围绕执行机构和传感器两个核心子系统展开研究,采用基于解析模型的故障诊断方法,设计了故障诊断算法和策略并开发了飞行控制与故障诊断综合系统,提高了执行机构和传感器系统故障诊断的效果。首先,对飞行控制系统的故障诊断理论方法和应用发展进行了对比研究和综合分析,制定了飞行控制系统故障诊断的研究方案。其次,针对执行机构系统的特性建立了参考模型,分析并模拟常见类型的故障特性,提出了基于广义卡尔曼滤波的执行机构故障诊断算法,设计自适应调节律进行校正以减小模型解析过程中的偏差。然后,针对机载传感器进行了机体对象建模、环境建模和传感器建模和系统特性分析,提出了基于代价函数的故障诊断联合算法,设计故障判别准则以提高系统对软故障检测的快速性,同时结合基于故障树专家系统决策的辅助手段以提高故障诊断的准确性。基于嵌入式实时操作系统构建了飞行控制与故障诊断综合系统,对综合系统的功能模块、总体需求和性能指标进行了研究和分析,设计了执行机构和传感器系统的故障注入模块,完成了综合系统的平台配置和软件开发工作。最后,搭建了飞行控制与故障诊断综合系统的半物理仿真环境,制定了系统测试与验证方案,通过模拟注入不同类型的执行机构故障和传感器故障,实现了综合系统的飞行控制与管理功能、模型解析功能和故障诊断功能,验证了所提出的故障诊断算法的合理性和有效性。
林怡[6]（2019）在《航空自耦变压整流器故障诊断方法研究》文中指出随着电力电子设备在飞机上的广泛使用,使得机载航空电子设备的故障率和返修率大幅跃升。为提高设备的可维护性,保障航空器全寿命周期内的持续适航性,应采用高效可靠的故障诊断技术,及时发现并处理机载电子设备使用过程中出现的故障,应对潜在的失效可能。航空自耦变压整流器（ATRU）作为航空供配电系统中重要的二次电源,若对其实现有效、准确的故障诊断,航电系统整体可靠性将大幅提高。因此,本文针对ATRU的故障诊断方法展开了研究。本文首先阐明ATRU的工作原理,研究ATRU的典型故障模式并建立故障树模型,分析得到了系统的故障逻辑。进而,本文以一种P型12脉ATRU为研究对象,建立故障仿真模型,分析各类故障对ATRU工作性能的影响。研究基于PLECS仿真软件,编写了一套程序,实现故障的自动注入和仿真。得益于近年来人工智能技术的飞速发展,论文第三章采用一种基于快速傅里叶变化的径向基函数神经网络算法,对ATRU这一复杂非线性系统进行故障诊断。所用方法首先提取系统输出电压的频谱特征,作为故障诊断依据,利用Matlab神经网络工具包构建并训练RBF网络模型,根据训练过程反馈的最小均方误差参数对网络隐层节点进行优化,并利用测试集样本检测网络模型的分类性能。测试结果表明,优化后的网络模型能够实现ATRU复杂故障模式的分类识别。为了进一步提高诊断模型的自适应能力和诊断效率,论文第四章提出一种基于特征融合的分级诊断方法。通过对ATRU关键点电信号特性进行数学建模和仿真分析,构建了ATRU多源信号特征体系。将电路模型与神经网络算法相结合,提出RBF网络组分级故障诊断的思路,对不同的故障集合分别采用相应的融合特征进行诊断,论文中给出详细的算法流程。本文最后设计了多组比较实验,从模型复杂性和诊断准确率两方面,将本文提出的改进方法和现有的其他方法改进方法与,结果证明基于智能融合的分级诊断算法具有更好的综合诊断效果。
周建辉[7]（2004）在《MBR软故障的通用应急修复方法》文中指出MBR是硬盘的一个重要系统区,如果MBR被破坏,轻则不能从硬盘启动机器,重则会发生"硬盘丢失"现象。在分析了MBR故障现象及通常的修复方法后提出了一种简单通用的修复方法。
方向东[8]（2003）在《硬盘故障浅析》文中进行了进一步梳理分析了硬盘常见的若干故障及解决办法,提出其常用的维修工具及使用方法。
赵泽昆[9]（2017）在《基于数据挖掘的大容量电池储能系统建模》文中指出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。
徐忠国[10]（2016）在《卫星网络中节点故障诊断方法的研究》文中进行了进一步梳理近年来卫星系统进入高速发展阶段,为了保障卫星功能的可用性以及服务质量,在发生故障时,卫星应该能够自主的运行故障管理中检测和定位功能,从而能够最大程度的降低由卫星出现故障所导致的损失和影响。所以完善和提高当前卫星故障检测和定位的技术,对于卫星系统运行成本的降低、系统风险的减少和网络鲁棒性的提高等具有至关重要意义。为了保证卫星功能的有效运行,星上平台、卫星的各类组件、星间链路和星地链路、以及地面控制系统的计算机系统和网络设备等都是故障管理的对象,单一的故障诊断技术无法很好诊断所有问题,所以把卫星故障划分为两个粒度:卫星网络故障和卫星硬件故障,针对两种诊断粒度分别提出不同的故障诊断策略。本文首先总结了卫星系统的概念及其特点和卫星网络中节点故障诊断技术的研究现状,根据卫星网络故障诊断粒度的不同,分为两个方面进行研究。一方面,为了更好的诊断卫星节点故障和通信链路故障,本文提出基于分簇的低轨卫星网络故障诊断算法,该算法首先利用分簇算法把卫星网络中的节点划分到不同的簇中。其次,簇内节点通过权值公式计算权值并根据权值选择簇首。然后,簇首卫星采用系统级故障诊断原理和规则来检测和诊断簇内节点的状态。最后,通过仿真实验结果显示该方案在卫星网络故障诊断中表现出很好的效果。另一面,对于卫星硬件故障问题,分析卫星硬件的故障诊断研究现状和诊断的复杂性,提出一种基于自适应概率神经网络的卫星硬件故障诊断方案,并把该方案运用到卫星电源分系统的故障诊断中,在Matlab中进行仿真,其仿真结果表明该方案在卫星故障诊断中有很好的表现。本文提出的基于分簇的低轨卫星网络故障诊断算法和基于自适应概率神经网络的卫星硬件故障诊断算法对卫星故障诊断的深入研究起着重要的借鉴意义。
二、MBR软故障的通用应急修复方法（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、MBR软故障的通用应急修复方法（论文提纲范文）
（1）基于可重构芯片的故障智能自检测与演化修复（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 演化硬件的研究现状 |
| 1.2.2 现有容错方法的分析 |
| 1.3 本文主要工作 |
| 2 FPGA芯片故障容错技术 |
| 2.1 FPGA芯片故障 |
| 2.2 数字电路的容错技术 |
| 2.2.1 具有故障检测能力的容错技术 |
| 2.2.2 具有故障屏蔽能力的容错技术 |
| 2.2.3 具有故障修复能力的容错技术 |
| 2.3 本章小结 |
| 3 芯片多点故障实时检测方案研究 |
| 3.1 基于VRC与 CGP的芯片平台 |
| 3.1.1 虚拟可重构电路VRC |
| 3.1.2 笛卡尔遗传编码方案CGP |
| 3.1.3 故障数据的获取 |
| 3.2 基于多标签LSTM的多点故障检测模型 |
| 3.2.1 MLSTM前向传播过程 |
| 3.2.2 MLSTM反向传播过程 |
| 3.2.3 MLSTM参数设计 |
| 3.3 实验及结果分析 |
| 3.3.1 有效的错误数据采集 |
| 3.3.2 算法选取与实验 |
| 3.4 本章小结 |
| 4 芯片故障演化修复方案研究 |
| 4.1 故障修复顺序与冗余暂替方案 |
| 4.1.1 多点故障修复顺序 |
| 4.1.2 冗余暂替方案 |
| 4.2 自适应演化修复方法 |
| 4.3 实验及结果分析 |
| 4.3.1 故障修复顺序确定 |
| 4.3.2 基于QPGA的自适应演化修复实验 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）空间电源系统通用管理平台研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 空间电源管理相关技术研究 |
| 2.1 电源管理技术主要任务 |
| 2.2 电源系统输出特性 |
| 2.2.1 发电电池特性 |
| 2.2.2 储能电池特性 |
| 2.3 电源系统的硬件架构 |
| 2.3.1 功率调节单元 |
| 2.3.2 功率分配单元 |
| 2.4 电源系统的控制策略 |
| 2.4.1 太阳能电池MPPT算法 |
| 2.5 储能电池组的管理技术 |
| 2.5.1 电池组的充电控制技术 |
| 2.5.2 电池组的均衡技术 |
| 2.6 电源系统能源调度策略 |
| 2.7 本章小结 |
| 第三章 空间电源通用智能管理方案 |
| 3.1 控制结构 |
| 3.1.1 集中式控制结构设计 |
| 3.1.2 分层控制结构设计 |
| 3.2 空间电源的功率调节 |
| 3.2.1 中央层管理 |
| 3.2.2 反应层管理 |
| 3.2.3 子系统层管理 |
| 3.3 空间电源的电能分配 |
| 3.4 维护、缓解和恢复(MMR) |
| 3.5 本章小结 |
| 第四章 空间电源控制板软硬件设计 |
| 4.1 系统功能分析与软硬件协同设计 |
| 4.2 设计方案选择 |
| 4.2.1 DSP通过FPGA控制外设 |
| 4.2.2 FPGA控制外设并与DSP交互 |
| 4.3 方案设计 |
| 4.3.1 性能要求 |
| 4.3.2 功能要求 |
| 4.3.3 上电设备自检 |
| 4.4 总体结构设计 |
| 4.4.1 FPGA相关接口设计 |
| 4.4.2 DSP的接口设计 |
| 4.5 扩展板硬件设计 |
| 4.5.1 电源设计 |
| 4.5.2 复位电路与电源检测 |
| 4.5.3 SRAM内存设计 |
| 4.5.4 Flash数据存储器 |
| 4.5.5 EPROM |
| 4.5.6 RS422接口设计 |
| 4.5.7 1533接口设计 |
| 4.5.8 对外接口设计与板间接口设计 |
| 4.5.9 外部调理电路 |
| 4.5.10 模拟量采集电路 |
| 4.5.11 电平指令原理图 |
| 4.6 软件设计 |
| 4.6.1 上电复位控制 |
| 4.6.2 SRAM 读写控制 |
| 4.6.3 遥测与遥控功能 |
| 4.6.4 DSP 处理器信息交互功能 |
| 4.6.5 1533B 总线信息交换 |
| 4.6.6 IIC总线模块 |
| 4.7 本章小结 |
| 第五章 控制板的上位机界面设计 |
| 5.1 接口通信 |
| 5.2 子地址设计 |
| 5.3 勤务指令数据格式 |
| 5.4 软件界面图 |
| 5.5 本章小结 |
| 第六章 燃料电池系统与电源控制器联试 |
| 6.1 联试要求 |
| 6.2 联试步骤及结果 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（3）无人机分系统单元测试性分析与验证技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 航空装备测试性验证试验现状 |
| 1.2.2 故障注入技术研究现状 |
| 1.2.3 航电设备自动测试系统研究现状 |
| 1.3 论文研究内容与组织结构 |
| 2 无人机地面综合仿真测试平台架构研究 |
| 2.1 试验对象与试验流程分析 |
| 2.1.1 待测机载设备及分系统模拟器 |
| 2.1.2 分系统单元测试性验证试验流程 |
| 2.2 故障-测试理论模型研究 |
| 2.2.1 故障注入表的设计生成 |
| 2.2.2 故障诊断表的设计生成 |
| 2.3 试验平台需求分析 |
| 2.4 无人机地面综合仿真测试平台总体设计 |
| 2.4.1 飞行仿真与地面测控子平台 |
| 2.4.2 故障注入与故障测试子平台 |
| 2.5 本章小结 |
| 3 故障注入与故障测试子平台设计开发 |
| 3.1 故障注入系统总体设计 |
| 3.1.1 故障注入系统硬件搭建 |
| 3.1.2 故障注入系统软件功能设计 |
| 3.2 故障注入系统软件详细设计 |
| 3.2.1 总线故障注入功能 |
| 3.2.2 信号线路故障注入功能 |
| 3.3 故障测试系统总体设计 |
| 3.3.1 故障测试系统硬件搭建 |
| 3.3.2 故障测试系统软件功能设计 |
| 3.4 故障测试系统软件详细设计 |
| 3.4.1 故障测试系统对外通信模块 |
| 3.4.2 故障测试系统故障检测隔离模块 |
| 3.4.3 故障测试系统参数监测模块 |
| 3.5 本章小结 |
| 4 无人机分系统单元测试性验证试验 |
| 4.1 无人机热控模拟器故障注入试验 |
| 4.1.1 主动热控单元故障点分析 |
| 4.1.2 主动热控单元故障-测试矩阵求解 |
| 4.1.3 主动热控单元故障注入静态分析 |
| 4.1.4 主动热控单元动态故障注入试验 |
| 4.2 无人机热控模拟器故障测试试验 |
| 4.2.1 主动热控单元故障测试集生成 |
| 4.2.2 主动热控单元静态故障隔离试验 |
| 4.2.3 主动热控单元动态故障隔离试验 |
| 4.3 无人机热控模拟器测试性试验结果分析 |
| 4.3.1 主动热控单元测试性验证试验流程 |
| 4.3.2 主动热控单元测试性试验结果分析 |
| 4.4 本章小结 |
| 5 试验结果总结与试验平台验证 |
| 5.1 分系统单元测试性验证试验结果总结 |
| 5.2 故障注入系统验证与评价 |
| 5.2.1 故障注入系统验证 |
| 5.2.2 故障注入系统评价 |
| 5.3 故障测试系统验证与评价 |
| 5.3.1 故障测试系统验证 |
| 5.3.2 故障测试系统评价 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 附录A 热控模拟器主动热控单元 JA01 故障-测试表 |
| 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 |
（4）地铁站综合智能维护管理系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 智能运维 |
| 1.2 目的和意义 |
| 1.3 国内外发展现状 |
| 1.3.1 国外地铁站维护现状 |
| 1.3.2 国内地铁站维护现状 |
| 1.4 主要工作 |
| 1.5 组织结构 |
| 1.6 本章小结 |
| 2 地铁站综合智能维护管理系统相关技术介绍 |
| 2.1 MVC模式 |
| 2.2 Nginx反向代理服务器 |
| 2.2.1 反向代理 |
| 2.2.2 负载均衡 |
| 2.3 Redis缓存服务器 |
| 2.4 相关框架介绍 |
| 2.4.1 Apache Shiro |
| 2.4.2 Mybatis |
| 2.4.3 Spring |
| 2.5 硬盘S.M.A.R.T.技术 |
| 2.6 随机森林 |
| 2.6.1 决策树算法 |
| 2.6.2 随机森林算法 |
| 2.7 冷水机组相关技术 |
| 2.7.1 地铁冷水机组 |
| 2.7.2 地铁冷水机组常见故障 |
| 2.8 本章小结 |
| 3 地铁站智能维护管理系统需求分析 |
| 3.1 需求综述 |
| 3.1.1 系统需求综述 |
| 3.1.2 用户角色分析 |
| 3.2 功能性需求 |
| 3.2.1 通用功能分析 |
| 3.2.2 专业功能分析 |
| 3.3 非功能性需求 |
| 3.4 本章小结 |
| 4 地铁站综合智能维护管理系统概要设计 |
| 4.1 系统架构设计 |
| 4.2 系统功能设计 |
| 4.3 系统非功能性设计 |
| 4.4 数据库设计 |
| 4.4.1 数据库概念结构设计 |
| 4.4.2 表结构设计 |
| 4.5 本章小结 |
| 5 地铁站综合智能维护管理系统详细设计与实现 |
| 5.1 系统管理的详细设计与实现 |
| 5.1.1 系统管理流程图设计 |
| 5.1.2 系统管理类图设计 |
| 5.1.3 系统管理时序图设计 |
| 5.1.4 系统管理页面展示 |
| 5.2 工作管理的详细设计与实现 |
| 5.2.1 工作管理流程图设计 |
| 5.2.2 工作管理类图设计 |
| 5.2.3 工作管理时序图设计 |
| 5.2.4 工作管理界面展示 |
| 5.3 冷水机组健康度模块的详细设计与实现 |
| 5.3.1 数据描述 |
| 5.3.2 特征选择 |
| 5.3.3 数据预处理 |
| 5.3.4 模型构建 |
| 5.4 硬盘故障预测模块的详细设计与实现 |
| 5.4.1 数据描述 |
| 5.4.2 特征选择 |
| 5.4.3 数据预处理 |
| 5.4.4 模型选择实验 |
| 5.5 本章小结 |
| 6 地铁站综合智能维护管理系统测试及分析 |
| 6.1 系统功能测试 |
| 6.1.1 系统管理功能测试 |
| 6.1.2 工作管理功能测试 |
| 6.2 系统非功能性测试 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于解析模型的飞控系统故障诊断技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于模型的故障诊断方法 |
| 1.2.2 基于知识的故障诊断方法 |
| 1.2.3 基于数据的故障诊断方法 |
| 1.2.4 基于离散事件的故障诊断方法 |
| 1.3 本单位研究基础 |
| 1.4 研究内容与结构安排 |
| 第二章 基于模型的执行机构故障诊断 |
| 2.1 引言 |
| 2.2 执行机构故障诊断总体策略 |
| 2.3 执行机构建模分析 |
| 2.3.1 执行机构系统模型 |
| 2.3.2 故障特性分析 |
| 2.4 故障诊断算法设计 |
| 2.4.1 参考模型校正设计 |
| 2.4.2 基于广义卡尔曼滤波的最优估计器 |
| 2.5 本章小结 |
| 第三章 基于解析模型的机载传感器故障诊断 |
| 3.1 引言 |
| 3.2 传感器故障诊断总体策略 |
| 3.3 传感器特性模拟 |
| 3.3.1 数学建模 |
| 3.3.2 故障特性分析 |
| 3.4 故障诊断联合算法设计 |
| 3.4.1 实时条件概率更新 |
| 3.4.2 加权代价函数判决 |
| 3.4.3 基于故障树分析的专家系统 |
| 3.5 本章小结 |
| 第四章 飞行控制与故障诊断综合系统的研究 |
| 4.1 引言 |
| 4.2 总体功能设计 |
| 4.2.1 系统性能评价 |
| 4.2.2 系统功能划分 |
| 4.3 平台配置基础 |
| 4.3.1 功能处理器 |
| 4.3.2 总线通信单元 |
| 4.4 软件总体结构 |
| 4.5 本章小结 |
| 第五章 系统功能实现与软件设计 |
| 5.1 引言 |
| 5.2 系统模块设计 |
| 5.2.1 软件设计原则 |
| 5.2.2 模块化设计 |
| 5.3 系统任务分配与调度 |
| 5.3.1 任务划分与时隙分配 |
| 5.3.2 系统任务调度 |
| 5.4 本章小结 |
| 第六章 系统测试与仿真验证 |
| 6.1 引言 |
| 6.2 半物理仿真环境搭建 |
| 6.2.1 仿真应用软件开发 |
| 6.2.2 故障注入功能设计 |
| 6.3 系统功能验证与分析 |
| 6.3.1 飞行控制与管理功能验证 |
| 6.3.2 模型解析功能验证 |
| 6.3.3 执行机构故障诊断验证 |
| 6.3.4 传感器故障诊断验证 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 后续展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）航空自耦变压整流器故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 飞机供配电技术 |
| 1.1.2 机载电气设备的适航性要求 |
| 1.2 研究现状与发展趋势 |
| 1.2.1 故障诊断研究现状 |
| 1.2.2 基于知识的诊断方法研究现状 |
| 1.2.3 发展趋势 |
| 1.3 研究内容与主要结构 |
| 第二章 航空自耦变压整流器故障模式研究 |
| 2.1 航空自耦变压整流器故障理论分析 |
| 2.1.1 航空ATRU介绍 |
| 2.1.2 不对称P型12脉ATRU工作原理 |
| 2.1.3 ATRU典型故障类型 |
| 2.2 仿真建模和故障分析 |
| 2.2.1 建模过程 |
| 2.2.2 典型故障仿真分析 |
| 2.2.3 基于PLECS的故障自动仿真程序 |
| 2.3 本章小结 |
| 第三章 基于神经网络的ATRU故障诊断方法 |
| 3.1 人工神经网络的故障诊断应用 |
| 3.1.1 神经网络基本原理 |
| 3.1.2 ANN应用于故障诊断的关键步骤 |
| 3.2 径向基核函数神经网络 |
| 3.2.1 RBF网络模型 |
| 3.2.2 Matlab RBF神经网络函数算法 |
| 3.3 基于频域特征的RBF网络故障诊断方法 |
| 3.3.1 ATRU的频域特征提取 |
| 3.3.2 网络模型训练及性能优化 |
| 3.4 本章小结 |
| 第四章 基于MSF的 RBF网络分级故障诊断方法 |
| 4.1 多源信号特征提取 |
| 4.1.1 ATRU输入电流特征分析 |
| 4.1.2 输出电压特征 |
| 4.1.3 辅桥输入电流特征 |
| 4.2 组合神经网络分级故障诊断 |
| 4.2.1 基于多源信号特征的故障集划分 |
| 4.2.2 分级故障诊断流程 |
| 4.2.3 多尺度特征预处理 |
| 4.3 故障诊断性能比较研究 |
| 4.3.1 模型复杂性分析 |
| 4.3.2 模型分类准确率分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文的主要工作 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（7）MBR软故障的通用应急修复方法（论文提纲范文）
| 1 MBR软故障现象 |
| 2 通常的MBR软故障修复方法 |
| 3 一种通用的MBR软故障应急修复方法 |
| 3.1 主引导程序的通用应急修复方法 |
| 3.2 分区表及分区扇区结束标志的应急修复方法 |
| 4 结束语 |
（9）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 |
（10）卫星网络中节点故障诊断方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 课题来源及本人工作 |
| 1.3 论文结构和安排 |
| 第二章 卫星故障诊断的研究 |
| 2.1 卫星系统概论 |
| 2.1.1 卫星系统及其特点 |
| 2.1.2 经典的卫星系统 |
| 2.2 卫星网络的故障管理 |
| 2.3 卫星网络节点故障诊断技术研究现状分析 |
| 2.3.1 卫星网络故障诊断研究现状分析 |
| 2.3.2 卫星硬件故障诊断研究现状分析 |
| 2.4 本章小结 |
| 第三章 基于分簇的低轨卫星网络故障诊断策略 |
| 3.1 引言 |
| 3.2 基于分簇的低轨卫星网络故障诊断策略的模型 |
| 3.2.1 卫星网络的分簇 |
| 3.2.2 测试模型 |
| 3.3 诊断算法 |
| 3.3.1 故障检测 |
| 3.3.2 故障诊断 |
| 3.4 仿真结果 |
| 3.4.1 仿真参数的设置 |
| 3.4.2 仿真结果的分析 |
| 3.5 本章小结 |
| 第四章 基于自适应概率神经网络的卫星硬件故障诊断策略 |
| 4.1 引言 |
| 4.2 自适应概率神经网络 |
| 4.2.1 概率神经网络的理论基础 |
| 4.2.2 概率神经网络的模型 |
| 4.2.3 自适应概率神经网络 |
| 4.3 基于自适应概率神经网络的卫星硬件故障诊断算法 |
| 4.3.1 自适应概率神经网络算法流程的设计 |
| 4.3.2 基于自适应概率神经网络在某卫星电源分系统的应用 |
| 4.4 仿真分析 |
| 4.4.1 仿真环境 |
| 4.4.2 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
四、MBR软故障的通用应急修复方法（论文参考文献）
- [1]基于可重构芯片的故障智能自检测与演化修复[D]. 邓双敏. 大连理工大学, 2021(01)
- [2]空间电源系统通用管理平台研究[D]. 郑才武. 北华航天工业学院, 2021(06)
- [3]无人机分系统单元测试性分析与验证技术研究[D]. 王文亮. 北京交通大学, 2020(03)
- [4]地铁站综合智能维护管理系统的设计与实现[D]. 刘杨. 北京交通大学, 2020(03)
- [5]基于解析模型的飞控系统故障诊断技术研究[D]. 谈娟. 南京航空航天大学, 2020(07)
- [6]航空自耦变压整流器故障诊断方法研究[D]. 林怡. 南京航空航天大学, 2019(02)
- [7]MBR软故障的通用应急修复方法[J]. 周建辉. 湖南人文科技学院学报, 2004(06)
- [8]硬盘故障浅析[J]. 方向东. 黑河科技, 2003(01)
- [9]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)
- [10]卫星网络中节点故障诊断方法的研究[D]. 徐忠国. 南京邮电大学, 2016(02)