| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 论文研究内容及组织结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 组织结构 | 第13-15页 |
| 第二章 基于云计算的民机 PHM 体系中故障预测方法 | 第15-25页 |
| 2.1 民机PHM体系架构组成 | 第15-17页 |
| 2.1.1 按物理组成划分 | 第15-16页 |
| 2.1.2 按数据结构划分 | 第16页 |
| 2.1.3 按功能层划分 | 第16-17页 |
| 2.2 基于云计算的民机PHM体系架构 | 第17-21页 |
| 2.2.1 现有PHM体系架构的不足 | 第18页 |
| 2.2.2 基于云计算的PHM体系架构 | 第18-21页 |
| 2.3 基于云计算的民机PHM体系架构关键技术 | 第21-24页 |
| 2.3.1 虚拟层资源分配技术 | 第21-22页 |
| 2.3.2 故障诊断技术 | 第22-23页 |
| 2.3.3 故障预测技术 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于混合动态的故障预测模型 | 第25-40页 |
| 3.1 时间序列分析法与模糊神经网络 | 第25-27页 |
| 3.1.1 时间序列模型 | 第25-26页 |
| 3.1.2 模糊神经网络 | 第26-27页 |
| 3.2 基于混合动态的故障预测方法 | 第27-39页 |
| 3.2.1 基于混合动态的预测方法 | 第28页 |
| 3.2.2 基于混合动态的预测方法实现 | 第28-37页 |
| 3.2.3 基于混合动态预测方法实现步骤 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 模型仿真应用研究 | 第40-58页 |
| 4.1 仿真应用研究概述 | 第40-41页 |
| 4.2 监测信号的选择及特征值提取 | 第41-42页 |
| 4.3 预测模型建立 | 第42-55页 |
| 4.3.1 ARMA预测 | 第42-50页 |
| 4.3.2 BP神经网络预测 | 第50-52页 |
| 4.3.3 模糊BP神经网络预测 | 第52-54页 |
| 4.3.4 混合动态模型预测 | 第54-55页 |
| 4.4 结果对比分析 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 论文主要研究内容 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介 | 第64页 |