| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| ·光传操纵系统的研究背景 | 第12-15页 |
| ·光传操纵系统的优点 | 第12-13页 |
| ·光传操纵系统的关键技术 | 第13-14页 |
| ·光传操纵系统的国内外研究现状 | 第14-15页 |
| ·基于神经网络的故障诊断技术研究现状 | 第15-16页 |
| ·光传操纵系统故障诊断技术的研究背景及意义 | 第16-17页 |
| ·论文的章节安排 | 第17-19页 |
| 第二章 光传操纵系统故障建模及故障诊断技术 | 第19-32页 |
| ·引言 | 第19页 |
| ·三余度光传操纵系统建模 | 第19-25页 |
| ·光传操纵系统的余度管理技术 | 第19-22页 |
| ·三余度光传操纵系统的结构 | 第22-23页 |
| ·三余度光传操纵系统仿真模型 | 第23-25页 |
| ·光传操纵系统故障分类及故障建模 | 第25-29页 |
| ·光传操纵系统故障分类 | 第25-27页 |
| ·光传操纵系统故障仿真模型 | 第27-29页 |
| ·故障诊断的基本方法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于 BP 神经网络的光传操纵系统故障诊断 | 第32-46页 |
| ·引言 | 第32页 |
| ·反向传播（BP）神经网络 | 第32-37页 |
| ·神经网络的发展简介 | 第32-34页 |
| ·BP 神经网络模型 | 第34-35页 |
| ·BP 神经网络算法 | 第35-36页 |
| ·BP 神经网络执行步骤 | 第36-37页 |
| ·基于 BP 神经网络的光传操纵系统故障诊断设计 | 第37-41页 |
| ·确定输入输出特征向量 | 第37页 |
| ·BP 网络结构的设计 | 第37-41页 |
| ·学习样本的采集 | 第41页 |
| ·基于 BP 网络的故障诊断系统仿真分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于概率神经网络（PNN）的光传操纵系统故障诊断 | 第46-61页 |
| ·引言 | 第46页 |
| ·概率神经网络（PNN）的理论与方法 | 第46-52页 |
| ·贝叶斯（Bayes）分类 | 第46-47页 |
| ·Parzen 窗方法 | 第47-50页 |
| ·概率神经网络数学描述 | 第50-51页 |
| ·概率神经网络（PNN）模型 | 第51-52页 |
| ·基于概率神经网络（PNN）的光传操纵系统故障诊断设计 | 第52-53页 |
| ·确定输入输出向量 | 第52页 |
| ·概率神经网络（PNN）结构的设计 | 第52-53页 |
| ·学习样本的采集 | 第53页 |
| ·基于概率神经网络（PNN）故障诊断系统仿真分析 | 第53-58页 |
| ·PNN 与 BP 网络故障诊断系统的比较 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·对论文工作的结论 | 第61页 |
| ·对研究内容的建议和展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |
