| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题研究的目的与意义 | 第8-9页 |
| 1.2 本文主要研究对象 | 第9-12页 |
| 1.3 故障诊断技术相关概念与发展概况 | 第12-14页 |
| 1.3.1 故障诊断技术概念 | 第12页 |
| 1.3.2 故障诊断技术的发展概况 | 第12-14页 |
| 1.4 故障诊断技术在航天领域的应用和发展 | 第14-15页 |
| 1.4.1 国外航天器故障诊断技术研究现状 | 第14页 |
| 1.4.2 国内航天器故障诊断研究现状 | 第14-15页 |
| 1.4.3 航天器故障诊断发展趋势 | 第15页 |
| 1.5 本文研究内容及结构安排 | 第15-17页 |
| 2 基于混合神经网络的航天轴承故障诊断方法研究 | 第17-33页 |
| 2.1 引言 | 第17-18页 |
| 2.2 航天轴承故障问题分析与诊断机理 | 第18-19页 |
| 2.2.1 航天轴承故障问题分析 | 第18页 |
| 2.2.2 航天轴承故障诊断机理 | 第18-19页 |
| 2.3 混合型网络故障诊断框架与方法 | 第19-22页 |
| 2.3.1 混合型网络故障诊断框架 | 第19-20页 |
| 2.3.2 BP网络故障初步诊断原理 | 第20-21页 |
| 2.3.3 基于感知器网络的诊断数据优化方法 | 第21-22页 |
| 2.4 基于混合神经网络的自主故障诊断方法 | 第22-27页 |
| 2.4.1 特征参数的选取 | 第22-25页 |
| 2.4.2 多特征自主故障诊断建模 | 第25-27页 |
| 2.5 航天轴承的故障诊断仿真实验与分析 | 第27-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 基于小波网络的航天器电源系统故障诊断方法研究 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 航天器电源系统的故障特性描述 | 第33-34页 |
| 3.3 小波-神经网络故障诊断方法及其优化 | 第34-38页 |
| 3.3.1 小波变换原理 | 第34-35页 |
| 3.3.2 小波-神经网络故障诊断方法 | 第35-37页 |
| 3.3.3 小波-神经网络故障诊断的优化方法 | 第37-38页 |
| 3.4 航天器主电源光照区母线电压的故障监测与分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于模型参数辨识的航天转子故障诊断方法研究 | 第43-52页 |
| 4.1 引言 | 第43页 |
| 4.2 航天转子数学模型描述 | 第43-44页 |
| 4.3 基于模型参数辨识的航天转子故障诊断分析 | 第44-49页 |
| 4.3.1 航天转子的故障检测 | 第45页 |
| 4.3.2 航天转子的故障诊断流程 | 第45-46页 |
| 4.3.3 针对航天器转子模型的故障诊断器设计 | 第46-48页 |
| 4.3.4 航天转子的故障诊断算法 | 第48-49页 |
| 4.4 仿真实验与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 基于自适应多模型的姿态敏感器故障诊断方法研究 | 第52-64页 |
| 5.1 引言 | 第52-53页 |
| 5.2 姿态敏感器的故障诊断分析 | 第53-57页 |
| 5.2.1 姿态敏感器的诊断流程 | 第53-54页 |
| 5.2.2 姿态敏感器故障问题描述 | 第54-56页 |
| 5.2.3 姿态敏感器的故障诊断器设计 | 第56-57页 |
| 5.3 姿态敏感器的多模型诊断结构 | 第57-60页 |
| 5.3.1 姿态敏感器的多模型问题描述 | 第57-58页 |
| 5.3.2 多模型故障诊断器设计 | 第58-60页 |
| 5.4 仿真实验与分析 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 结论 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |
| 致谢 | 第72-75页 |