| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状分析 | 第11-16页 |
| 1.2.1 管路故障检测方法的研究现状 | 第11-12页 |
| 1.2.2 状态预测方法的研究现状 | 第12-14页 |
| 1.2.3 基于过程神经元网络的状态预测方法研究现状 | 第14-16页 |
| 1.3 论文的主要研究内容 | 第16-18页 |
| 第二章 航天器推进系统管路故障模式效应分析及仿真 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 DFH卫星推进系统的构成及工作模式 | 第18-20页 |
| 2.2.1 DFH卫星推进系统的构成 | 第18页 |
| 2.2.2 DFH卫星推进系统的工作模式 | 第18-20页 |
| 2.3 推进系统管路的故障模式与效应分析 | 第20-22页 |
| 2.4 推进系统管路故障仿真分析 | 第22-32页 |
| 2.4.1 某型卫星推进系统仿真模型的建立 | 第22-25页 |
| 2.4.2 推进系统管路故障仿真分析 | 第25-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于单一过程神经元网络的航天器推进系统管路状态预测方法研究 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 基于前馈过程神经元网络的管路状态预测 | 第33-39页 |
| 3.2.1 前馈PNN预测模型的建立 | 第33-34页 |
| 3.2.2 前馈PNN预测模型的训练 | 第34-36页 |
| 3.2.3 前馈PNN管路状态预测结果及分析 | 第36-39页 |
| 3.3 基于双并联径向基过程神经元网络的管路状态预测 | 第39-44页 |
| 3.3.1 双并联径向基PNN模型的建立 | 第39页 |
| 3.3.2 双并联径向基PNN预测模型的训练 | 第39-42页 |
| 3.3.3 双并联径向基PNN预测结果及分析 | 第42-44页 |
| 3.4 基于小波过程神经元网络的管路状态预测 | 第44-50页 |
| 3.4.1 小波PNN模型的建立 | 第44页 |
| 3.4.2 小波PNN预测模型的训练 | 第44-48页 |
| 3.4.3 小波PNN管路状态预测结果及分析 | 第48-50页 |
| 3.5 基于单一过程神经元网络的管路状态预测不足 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于过程神经元网络集成的航天器推进系统管路状态预测方法研究 | 第52-73页 |
| 4.1 引言 | 第52页 |
| 4.2 基于过程神经元网络集成的管路状态预测 | 第52-64页 |
| 4.2.1 PNNE个体网络的生成 | 第52-53页 |
| 4.2.2 PNNE预测模型的建立 | 第53-54页 |
| 4.2.3 基于PNNE的管路状态预测结果及分析 | 第54-64页 |
| 4.3 影响PNNE管路状态预测泛化能力的因素 | 第64-68页 |
| 4.3.1 个体PNN的泛化能力 | 第64-66页 |
| 4.3.2 个体PNN的结论合成方式 | 第66-68页 |
| 4.4 基于过程神经元网络集成的航天器推进系统管路状态预测方法验证 | 第68-71页 |
| 4.4.1 验证数据的获取与处理 | 第68-69页 |
| 4.4.2 基于动态权值结论合成法的PNNE预测方法验证 | 第69-71页 |
| 4.5 本章小结 | 第71-73页 |
| 结束语 | 第73-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 作者在学期间取得的学术成果 | 第83页 |
