| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略词表 | 第13-15页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究目的和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 本文主要工作及论文结构 | 第17-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 军用电子设备PHM体系结构研究 | 第20-33页 |
| 2.1 PHM技术概况 | 第20-22页 |
| 2.1.1 PHM定义及内涵 | 第20-21页 |
| 2.1.2 PHM研究方法 | 第21-22页 |
| 2.2 典型PHM系统体系结构 | 第22-24页 |
| 2.2.1 PHM视情维修的开放体系结构(OSA-CBM) | 第22页 |
| 2.2.2 典型的PHM系统体系结构 | 第22-24页 |
| 2.3 基于云服务的军用装备PHM系统需求分析和架构设计 | 第24-32页 |
| 2.3.1 军用电子设备的特征和故障诊断特点 | 第24-25页 |
| 2.3.2 需求分析 | 第25页 |
| 2.3.3 基于云服务的军用电子设备PHM系统架构设计 | 第25-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 军用电子设备元件级故障诊断研究 | 第33-51页 |
| 3.1 局部保持投影算法(LPP算法) | 第33-34页 |
| 3.2 隐马尔可夫模型(HMM模型) | 第34-36页 |
| 3.3 故障诊断流程与步骤 | 第36-38页 |
| 3.4 模拟电路仿真实验 | 第38-50页 |
| 3.4.1 电路分析 | 第38-39页 |
| 3.4.2 实验环境设置 | 第39-42页 |
| 3.4.3 数据采集和处理 | 第42-43页 |
| 3.4.4 数据降维 | 第43页 |
| 3.4.5 故障识别 | 第43页 |
| 3.4.6 实验结果 | 第43-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 军用电子系统的模块级故障诊断研究 | 第51-65页 |
| 4.1 贝叶斯网络简介 | 第51-54页 |
| 4.1.1 基本概念 | 第51页 |
| 4.1.2 贝叶斯网络推理 | 第51-52页 |
| 4.1.3 贝叶斯网络学习 | 第52-54页 |
| 4.2 基于贝叶斯网络的电子系统故障诊断研究 | 第54-64页 |
| 4.2.1 贝叶斯网络故障建模 | 第54页 |
| 4.2.2 贝叶斯网络诊断步骤 | 第54-64页 |
| 4.3 本章小结 | 第64-65页 |
| 第五章 军用电子系统的状态预测研究 | 第65-84页 |
| 5.1 故障预测技术现状及分类 | 第65-66页 |
| 5.2 状态特征分析 | 第66-72页 |
| 5.3 状态预测方法 | 第72-78页 |
| 5.3.1 灰色模型 | 第72-76页 |
| 5.3.2 粒子群优化算法(PSO) | 第76-78页 |
| 5.4 应用实例 | 第78-83页 |
| 5.4.1 雷达发射机高压电源状态预测 | 第78-80页 |
| 5.4.2 雷达发射机栅控行波管状态预测 | 第80-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 总结 | 第84-85页 |
| 6.2 展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-89页 |
