| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 故障诊断技术的研究现状及发展趋势 | 第14-19页 |
| 1.2.1 故障诊断的研究概述 | 第14-16页 |
| 1.2.2 故障诊断的国内外研究现状 | 第16-18页 |
| 1.2.3 机器学习技术在故障诊断中的研究概况 | 第18-19页 |
| 1.3 研究内容及意义 | 第19页 |
| 1.4 本文结构和内容安排 | 第19-22页 |
| 第二章 飞行器舵面系统的故障分析及信号采集 | 第22-31页 |
| 2.1 舵面系统故障分析 | 第22-27页 |
| 2.1.1 执行器故障分析 | 第23-25页 |
| 2.1.2 传感器故障分析 | 第25-27页 |
| 2.2 舵面系统建模及故障信号采集 | 第27-30页 |
| 2.2.1 舵面系统的数学模型 | 第27页 |
| 2.2.2 故障注入及故障信号采集 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于奇异值形态滤波的系统故障信号消噪预处理 | 第31-43页 |
| 3.1 一种改进的奇异值分解消噪算法设计 | 第31-37页 |
| 3.1.1 奇异值分解消噪原理 | 第31-33页 |
| 3.1.2 改进信号矩阵的奇异值分解算法设计 | 第33-34页 |
| 3.1.3 基于改进奇异值分解算法的谱分析及仿真对比 | 第34-37页 |
| 3.2 基于数学形态学的形态滤波器设计 | 第37-39页 |
| 3.2.1 数学形态学的基本运算 | 第37-39页 |
| 3.2.2 形态滤波器设计 | 第39页 |
| 3.3 奇异值形态滤波算法设计与仿真分析 | 第39-41页 |
| 3.3.1 奇异值形态滤波算法设计 | 第39-40页 |
| 3.3.2 仿真实验 | 第40-41页 |
| 3.4 基于奇异值形态滤波算法的系统故障信号的仿真验证 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于EPSVR-EEMD的系统故障信号特征提取 | 第43-61页 |
| 4.1 经验模式分解方法 | 第43-47页 |
| 4.1.1 瞬时频率 | 第43-44页 |
| 4.1.2 固有模式函数 | 第44页 |
| 4.1.3 经验模式分解算法 | 第44-46页 |
| 4.1.4 仿真实验 | 第46-47页 |
| 4.2 总体平均经验模式分解方法 | 第47-53页 |
| 4.2.1 EMD的模式混叠问题 | 第47-48页 |
| 4.2.2 总体平均经验模式分解 | 第48-50页 |
| 4.2.3 仿真对比 | 第50-53页 |
| 4.3 基于EPSVR-EEMD的系统故障信号特征提取 | 第53-60页 |
| 4.3.1 EEMD的端点效应 | 第53页 |
| 4.3.2 EPSVR的端点效应抑制方法设计 | 第53-56页 |
| 4.3.3 基于EPSVR-EEMD的故障信号仿真分析 | 第56-57页 |
| 4.3.4 基于EPSVR-EEMD的系统故障信号特征提取设计与验证 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 基于概率SVM分类机的故障诊断仿真与系统实现 | 第61-77页 |
| 5.1 支持向量机基本理论 | 第61-66页 |
| 5.1.1 最优分类超平面 | 第61-62页 |
| 5.1.2 支持向量机理论 | 第62-66页 |
| 5.2 多分类支持向量机的扩展研究 | 第66-68页 |
| 5.2.1 多分类支持向量机的扩展 | 第66-67页 |
| 5.2.2 仿真对比 | 第67-68页 |
| 5.3 一种基于广义框架的后验概率SVM故障诊断方法设计 | 第68-73页 |
| 5.3.1 贝叶斯理论下的概率估计 | 第69页 |
| 5.3.2 基于后验概率的SVM多分类器设计 | 第69-72页 |
| 5.3.3 飞行器舵面系统故障仿真实验 | 第72-73页 |
| 5.4 舵面系统故障诊断的系统设计与实现 | 第73-76页 |
| 5.4.1 舵面故障诊断系统的总体结构设计 | 第73-74页 |
| 5.4.2 故障诊断系统的开发实现 | 第74-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 工作总结 | 第77页 |
| 6.2 研究展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 在学期间的研究成果及发表的学术论文 | 第84页 |
