| 第一章 绪论 | 第1-22页 |
| 1．1 自修复控制研究的发展概况 | 第9-12页 |
| 1．1．1 容错控制和故障诊断 | 第9-10页 |
| 1．1．2 自修复控制 | 第10-12页 |
| 1．2 自修复控制所应研究的主要问题 | 第12-15页 |
| 1．2．1 自修复控制的任务、分类及结构 | 第12-14页 |
| 1．2．2 故障建模问题 | 第14页 |
| 1．2．3 故障的可检测性与可辨识性问题 | 第14页 |
| 1．2．4 故障诊断算法设计问题 | 第14页 |
| 1．2．5 故障诊断方法的评估问题 | 第14-15页 |
| 1．2．6 自修复控制律的重构问题 | 第15页 |
| 1．2．7 自修复控制系统的评估问题 | 第15页 |
| 1．3 本文对自修复控制问题研究的主要贡献 | 第15-18页 |
| 1．3．1 基于集合近似质量的属性约简 | 第16页 |
| 1．3．2 利用粗集上近似处理特征提取中的噪声问题 | 第16页 |
| 1．3．3 粗集理论在故障诊断中的应用 | 第16-17页 |
| 1．3．4 故障诊断方法的评估 | 第17页 |
| 1．3．5 自修复控制系统的效能评估 | 第17-18页 |
| 1．4 本文的研究思路、主要内容及结构安排 | 第18-20页 |
| 参考文献 | 第20-22页 |
| 第二章 粗集理论基础 | 第22-33页 |
| 2．1 简介 | 第22-26页 |
| 2．1．1 粗集理论的起源、发展及研究现状 | 第22-24页 |
| 2．1．2 粗集理论与其它理论方法的联系 | 第24页 |
| 2．1．3 基于粗集理论方法的特点 | 第24-25页 |
| 2．1．4 粗集理论方法的应用 | 第25-26页 |
| 2．2 粗集理论基础 | 第26-31页 |
| 2．2．1 知识和信息系统 | 第26-27页 |
| 2．2．2 不可分辨关系 | 第27页 |
| 2．2．3 集合近似与粗集 | 第27-28页 |
| 2．2．4 约简、核以及属性的依赖性 | 第28页 |
| 2．2．5 规则的获取与决策 | 第28-31页 |
| 参考文献 | 第31-33页 |
| 第三章 一种基于粗糙集合的近似质量求取属性约简的算法 | 第33-43页 |
| 3．1 引言 | 第33页 |
| 3．2 问题描述——知识库的三类约简 | 第33-37页 |
| 3．2．1 知识库中面向范畴的约简 | 第33-35页 |
| 3．2．2 知识库中面向规则的约简 | 第35页 |
| 3．2．3 知识库中面向属性的约简 | 第35-37页 |
| 3．3 基于集合近似质量的属性约简求取算法 | 第37-40页 |
| 3．4 应用示例 | 第40-41页 |
| 3．5 小结 | 第41-42页 |
| 参考文献 | 第42-43页 |
| 第四章 利用粗集上近似处理特征提取中的噪声问题 | 第43-51页 |
| 4．1 引言 | 第43页 |
| 4．2 粗集中用下近似进行特征提取方法的分析 | 第43-45页 |
| 4．3 上近似用于特征提取的算法 | 第45-48页 |
| 4．4 应用示例 | 第48-49页 |
| 4．5 小结 | 第49-50页 |
| 参考文献 | 第50-51页 |
| 第五章 基于粗集模型的故障诊断 | 第51-63页 |
| 5．1 引言 | 第51页 |
| 5．2 基于粗集模型进行故障诊断的一般步骤 | 第51-56页 |
| 5．2．1 数据预处理 | 第52-53页 |
| 5．2．2 属性约简 | 第53-54页 |
| 5．2．3 规则提取 | 第54-55页 |
| 5．2．4 规则过滤 | 第55页 |
| 5．2．5 规则应用 | 第55-56页 |
| 5．3 基于粗集模型的歼击机故障诊断 | 第56-61页 |
| 5．4 小结 | 第61-62页 |
| 参考文献 | 第62-63页 |
| 第六章 基于粗糙神经网络的歼击机故障诊断 | 第63-74页 |
| 6．1 引言 | 第63页 |
| 6．2 基于粗糙神经网络进行故障诊断的优点 | 第63-65页 |
| 6．2．1 基于粗集方法进行故障诊断的特点 | 第63-64页 |
| 6．2．2 基于神经网络方法进行故障诊断的特点 | 第64页 |
| 6．2．3 基于粗糙神经网络进行故障诊断的优点 | 第64-65页 |
| 6．3 基于粗糙神经网络歼击机结构故障诊断 | 第65-68页 |
| 6．3．1 基于粗糙神经网络进行故障诊断的一般结构及步骤 | 第65页 |
| 6．3．2 基于粗集方法的特征提取 | 第65-66页 |
| 6．3．3 分类神经网络及其算法 | 第66-67页 |
| 6．3．4 神经网络辨识器 | 第67-68页 |
| 6．4 仿真应用 | 第68-73页 |
| 6．4．1 训练数据获取及粗集特征提取 | 第68-69页 |
| 6．4．2 神经网络结构设计 | 第69-71页 |
| 6．4．3 仿真结果 | 第71-73页 |
| 6．5 小结 | 第73页 |
| 参考文献 | 第73-74页 |
| 第七章 动态系统故障诊断方法的评估 | 第74-93页 |
| 7．1 引言 | 第74-75页 |
| 7．2 故障诊断中的基本问题 | 第75-76页 |
| 7．2．1 一些基本定义 | 第75页 |
| 7．2．2 故障的分类 | 第75-76页 |
| 7．2．3 故障诊断任务及故障诊断系统的结构 | 第76页 |
| 7．3 故障诊断方法的性能评估 | 第76-78页 |
| 7．3．1 建立故障诊断方法性能评估指标体系的原则 | 第76-77页 |
| 7．3．2 故障诊断系统的性能评估指标体系 | 第77-78页 |
| 7．3．3 故障诊断方法的评估方法 | 第78页 |
| 7．4 故障诊断方法的简单回顾、分析及定性评估 | 第78-86页 |
| 7．4．1 故障诊断方法的分类 | 第79-80页 |
| 7．4．2 基于解析模型的方法 | 第80-81页 |
| 7．4．3 基于知识的方法 | 第81-84页 |
| 7．4．4 基于信号处理的方法 | 第84-86页 |
| 7．5 故障诊断方法评估的一般步骤及对几种故障诊断方法的评估 | 第86-91页 |
| 7．5．1 故障诊断方法评估的一般步骤 | 第86页 |
| 7．5．2 对几种故障诊断方法的评估 | 第86-91页 |
| 7．5．3 评估结果分析 | 第91页 |
| 7．6 小结 | 第91-92页 |
| 参考文献 | 第92-93页 |
| 第八章 自修复飞行控制系统效能评估 | 第93-125页 |
| 8．1 引言 | 第93-95页 |
| 8．1．1 自修复飞行控制系统效能评估研究的目的和意义 | 第93页 |
| 8．1．2 当前的研究现状及存在问题 | 第93-94页 |
| 8．1．3 研究内容、方法及预期成果 | 第94-95页 |
| 8．1．4 本章的结构安排 | 第95页 |
| 8．2 自修复飞行控制系统效能评估之概念体系 | 第95-106页 |
| 8．2．1 自修复飞行控制系统效能评估的概念基础 | 第95-97页 |
| 8．2．2 自修复飞行控制系统效能评估的一般过程 | 第97页 |
| 8．2．3 自修复飞行控制系统效能准则（指标）选取的原则 | 第97-99页 |
| 8．2．4 自修复飞行控制系统效能评估指标体系 | 第99-106页 |
| 8．3 自修复飞行控制系统综合效能评估技术原理 | 第106-108页 |
| 8．4 自修复飞行控制系统效能评估技术的应用 | 第108-123页 |
| 8．4．1 问题描述 | 第108-109页 |
| 8．4．2 对评估指标层中的各指标的评估 | 第109-119页 |
| 8．4．3 权重系数的确定 | 第119-120页 |
| 8．4．4 综合评估结果及分析 | 第120-121页 |
| 附： 伪逆法和模型跟踪二次型方法部分仿真曲线 | 第121-123页 |
| 8．5 小结 | 第123-124页 |
| 参考文献 | 第124-125页 |
| 第九章 总结 | 第125-127页 |
| 致谢 | 第127-128页 |
| 在博士期间撰写的学术论文 | 第128页 |
