| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 QAR数据简介 | 第14-15页 |
| 1.3.1 QAR数据获取 | 第14页 |
| 1.3.2 QAR数据特点 | 第14-15页 |
| 1.4 飞机故障诊断方法 | 第15-16页 |
| 1.4.1 传统故障诊断方法 | 第15页 |
| 1.4.2 智能诊断方法 | 第15-16页 |
| 1.5 本文主要研究工作 | 第16页 |
| 1.6 论文安排 | 第16-18页 |
| 第二章 飞机突发故障诊断系统的总体分析与设计 | 第18-22页 |
| 2.1 系统整体分析 | 第18-19页 |
| 2.2 系统设计目标 | 第19页 |
| 2.3 系统设计难点预测 | 第19-20页 |
| 2.4 系统总体框架图 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于改进的遗传神经网络故障诊断系统 | 第22-34页 |
| 3.1 BP神经网络概述 | 第22页 |
| 3.1.1 BP神经网络工作原理概述 | 第22页 |
| 3.1.2 BP神经网络的学习规则 | 第22页 |
| 3.2 遗传算法概述 | 第22-23页 |
| 3.3 BP神经网络在故障诊断中存在的问题 | 第23页 |
| 3.4 遗传BP神经网络算法在故障诊断中存在的问题 | 第23页 |
| 3.5 改进的遗传BP神经网络算法 | 第23-29页 |
| 3.5.1 算法改进思路 | 第23-24页 |
| 3.5.2 改进算法的设计实现 | 第24-28页 |
| 3.5.3 基于改进算法的故障诊断系统结构 | 第28-29页 |
| 3.6 基于改进算法的突发故障诊断试验 | 第29-33页 |
| 3.6.1 异常数据样本的准备 | 第29-30页 |
| 3.6.2 传统方法与改进方法的故障诊断对比 | 第30-32页 |
| 3.6.3 异常数据诊断应用和结果分析 | 第32-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章T-S模糊神经网络的设计实现与应用 | 第34-46页 |
| 4.1 模糊系统的理论基础 | 第34-37页 |
| 4.1.1 模糊集合及其隶属度函数 | 第34-35页 |
| 4.1.2 T-S型模糊推理原理 | 第35-36页 |
| 4.1.3 T-S型模糊推理系统 | 第36-37页 |
| 4.2 T-S模糊神经网络故障诊断系统设计 | 第37-43页 |
| 4.2.1 采用T-S模糊神经网络的依据 | 第38页 |
| 4.2.2 诊断系统的网络结构设计 | 第38-41页 |
| 4.2.3 故障评定标准 | 第41页 |
| 4.2.4 训练算法 | 第41-43页 |
| 4.3 实验及分析 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 工作总结与展望 | 第46-48页 |
| 5.1 本文工作总结 | 第46-47页 |
| 5.2 研究展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间的科研成果 | 第53页 |