| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景及意义 | 第10-11页 |
| 1.3 国内外研究现状及发展动态分析 | 第11-14页 |
| 1.3.1 飞行器维修跟踪系统研究现状及发展分析 | 第11-13页 |
| 1.3.2 数据分类预测技术研究现状及发展分析 | 第13-14页 |
| 1.4 本文的研究内容及章节安排 | 第14-15页 |
| 第2章 相关算法与技术研究 | 第15-23页 |
| 2.1 分类预测技术 | 第15-18页 |
| 2.1.1 分类预测的基本概念 | 第15页 |
| 2.1.2 分类预测的步骤 | 第15-17页 |
| 2.1.3 分类预测方法 | 第17-18页 |
| 2.2 神经网络算法 | 第18-20页 |
| 2.3 决策树算法 | 第20-21页 |
| 2.4 随机森林算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 飞机发动机故障预测算法 | 第23-38页 |
| 3.1 故障类型和样本数据选取 | 第23-25页 |
| 3.2 基于BP神经网络算法的飞机发动机故障预测 | 第25-29页 |
| 3.3 基于随机森林算法的飞机发动机故障预测 | 第29-33页 |
| 3.4 基于神经网络算法和随机森林算法的综合评价模型 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 飞行器维修跟踪系统需求分析 | 第38-40页 |
| 4.1 项目概况分析 | 第38页 |
| 4.2 功能性需求 | 第38-39页 |
| 4.3 非功能性需求 | 第39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 飞行器维修跟踪系统设计 | 第40-52页 |
| 5.1 系统总体设计 | 第40-42页 |
| 5.1.1 系统功能结构 | 第40页 |
| 5.1.2 系统逻辑框架 | 第40-41页 |
| 5.1.3 数据通信 | 第41-42页 |
| 5.2 开发结构 | 第42-43页 |
| 5.3 数据库设计 | 第43-44页 |
| 5.4 系统接口设计 | 第44-51页 |
| 5.4.1 发动机故障预测模块 | 第44-46页 |
| 5.4.2 机队模块 | 第46-49页 |
| 5.4.3 维修方案模块 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 飞行器维修跟踪系统实现 | 第52-72页 |
| 6.1 所用技术简介 | 第52-58页 |
| 6.1.1 Golang | 第52-54页 |
| 6.1.2 Restful Web Service | 第54页 |
| 6.1.3 MongoDB | 第54-55页 |
| 6.1.4 AngularJS | 第55-58页 |
| 6.2 系统实现 | 第58-71页 |
| 6.2.1 我的主页 | 第58-61页 |
| 6.2.2 发动机故障预测模块 | 第61-64页 |
| 6.2.3 机队模块 | 第64-65页 |
| 6.2.4 维修方案模块 | 第65-71页 |
| 6.3 本章小结 | 第71-72页 |
| 第7章 结论与展望 | 第72-74页 |
| 7.1 结论 | 第72页 |
| 7.2 展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77页 |