| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 维修决策研究现状 | 第16-18页 |
| 1.2.2 深度学习的研究成果 | 第18-19页 |
| 1.3 研究内容和结构安排 | 第19-22页 |
| 第二章 基于深度学习的民机系统维修决策框架体系 | 第22-31页 |
| 2.1 民机系统维修决策框架 | 第22-26页 |
| 2.1.1 民机系统维修等级决策 | 第23-24页 |
| 2.1.2 民机系统故障预测 | 第24-26页 |
| 2.1.3 民机系统维修感知 | 第26页 |
| 2.2 民机系统维修决策建模方法与流程 | 第26-28页 |
| 2.2.1 建模方法选择 | 第26-27页 |
| 2.2.2 建模流程 | 第27-28页 |
| 2.3 深度学习理论 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于深度学习的民机系统维修等级决策 | 第31-47页 |
| 3.1 基于深度学习的民机系统维修等级决策流程 | 第31-32页 |
| 3.2 深度信念网络模型 | 第32-39页 |
| 3.2.1 限制玻尔兹曼机模型 | 第32-35页 |
| 3.2.2 限制玻尔兹曼机的训练 | 第35-37页 |
| 3.2.3 深度学习模型 | 第37-39页 |
| 3.3 典型民机系统维修等级决策 | 第39-46页 |
| 3.3.1 数据采集与模型构建 | 第40-42页 |
| 3.3.2 结果与误差分析 | 第42-45页 |
| 3.3.3 模型对比 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于深度学习的民机系统故障预测 | 第47-61页 |
| 4.1 基于深度学习的民机系统故障预测流程 | 第47页 |
| 4.2 基于深度信念网络的民机系统故障预测置信度分析 | 第47-48页 |
| 4.3 基于结构方程模型的故障重要度分析 | 第48-51页 |
| 4.3.1 故障重要度分析模型 | 第48页 |
| 4.3.2 结构方程模型简介 | 第48-49页 |
| 4.3.3 结构方程模型求解 | 第49-51页 |
| 4.3.4 结构方程模型拟合评价 | 第51页 |
| 4.4 实例分析 | 第51-60页 |
| 4.4.1 数据采集 | 第52页 |
| 4.4.2 基于SEM的故障重要度分析 | 第52-56页 |
| 4.4.3 基于DBN的故障预测 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 基于深度学习的民机系统维修感知 | 第61-69页 |
| 5.1 基于深度学习的民机系统维修感知框架 | 第61-62页 |
| 5.2 维修感知理论 | 第62-65页 |
| 5.2.1 性能退化分析 | 第62-64页 |
| 5.2.2 时间序列预测 | 第64-65页 |
| 5.3 实例分析 | 第65-68页 |
| 5.3.1 航空发动机失效部件性能退化分析 | 第65-67页 |
| 5.3.2 航空发动机性能失效时间序列预测 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果及发表的学术论文 | 第78页 |