| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 PHM系统及本文研究的意义 | 第8-9页 |
| 1.3 国内外的研究现状 | 第9-10页 |
| 1.4 本文的组织结构 | 第10-11页 |
| 第二章 健康管理系统的体系结构设计 | 第11-16页 |
| 2.1 OSA-CBM开放式体系结构 | 第11-12页 |
| 2.2 协同多级闭环PHM体系结构 | 第12-14页 |
| 2.3 基于一般最小电子系统的健康管理体系结构设计 | 第14-15页 |
| 2.3.1 分层级体系结构的设计 | 第14-15页 |
| 2.3.2 分层级体系结构中的关键技术 | 第15页 |
| 2.4 本章小结 | 第15-16页 |
| 第三章 指标体系的构建及其硬件的设计应用 | 第16-23页 |
| 3.1 健康指标体系的构建 | 第16-18页 |
| 3.1.1 健康指标的选取原则 | 第16页 |
| 3.1.2 健康指标的选取方法 | 第16-17页 |
| 3.1.3 空间环境下电子系统健康指标的选取 | 第17-18页 |
| 3.2 健康指标体系的硬件设计验证 | 第18-21页 |
| 3.2.1 数据的采集和传输方式的选择 | 第18-19页 |
| 3.2.2 基于故障模拟的硬件验证设计 | 第19-21页 |
| 3.3 基于硬件模拟的指标数据源选取 | 第21-22页 |
| 3.4 本章小结 | 第22-23页 |
| 第四章 健康状态模型的建立 | 第23-34页 |
| 4.1 健康状态模型的建立方法 | 第23页 |
| 4.2 基于聚类算法的健康状态模型的建立 | 第23-33页 |
| 4.2.1 模糊C均值聚类算法在状态模型建立中的应用 | 第23-28页 |
| 4.2.2 一种拟人聚类算法在状态模型建立中的应用 | 第28-33页 |
| 4.3 本章小结 | 第33-34页 |
| 第五章 基于模型的系统健康状态的评估 | 第34-57页 |
| 5.1 状态监测与评估技术 | 第34页 |
| 5.2 基于相似性的模式识别及应用 | 第34-40页 |
| 5.2.1 相似性的度量方法 | 第35-36页 |
| 5.2.2 相似性度量在健康状态识别中的应用 | 第36-40页 |
| 5.3 基于相似性的模式识别及应用 | 第40-44页 |
| 5.3.1 多级模糊模式识别的交叉迭代模型 | 第40-43页 |
| 5.3.2 多级模糊模式识别的应用及问题 | 第43-44页 |
| 5.4 基于统计模式的模糊模式识别技术及其应用 | 第44-56页 |
| 5.4.1 基于统计模式的隶属函数的确定 | 第45-51页 |
| 5.4.2 状态特征指标权重的确定 | 第51-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 健康状态的趋势预测方法研究 | 第57-79页 |
| 6.1 预测技术与方法 | 第57-58页 |
| 6.2 灰色预测模型及其应用 | 第58-69页 |
| 6.2.1 灰色预测模型 | 第58-63页 |
| 6.2.2 灰色预测模型 | 第63-69页 |
| 6.3 BP神经网络及其预测应用 | 第69-78页 |
| 6.3.1 BP神经网络模型 | 第69-72页 |
| 6.3.2 BP神经网络的预测应用 | 第72-78页 |
| 6.4 本章小结 | 第78-79页 |
| 第七章 总结与展望 | 第79-81页 |
| 7.1 全文工作总结 | 第79页 |
| 7.2 不足与展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读学位期间参加的工作及取得的研究成果 | 第86-87页 |
