| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题的研究背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 贮存可靠性研究现状 | 第14-15页 |
| 1.2.2 继电器贮存可靠性研究现状 | 第15页 |
| 1.2.3 加速退化试验及性能退化建模研究现状 | 第15-16页 |
| 1.2.4 继电器贮存寿命预测研究现状 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-21页 |
| 第2章 航天继电器贮存可靠性分析及失效物理分析 | 第21-29页 |
| 2.1 航天继电器长期贮存的影响因素分析 | 第21-22页 |
| 2.2 故障树分析 | 第22-25页 |
| 2.3 航天继电器贮存失效物理分析 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 航天继电器贮存加速退化试验及试验数据预处理 | 第29-41页 |
| 3.1 退化试验内容分析 | 第29-34页 |
| 3.1.1 航天继电器加速退化试验设计 | 第29-31页 |
| 3.1.2 试验系统分析 | 第31-34页 |
| 3.2 航天继电器加速退化试验数据预处理 | 第34-38页 |
| 3.2.1 小波变换分析 | 第34-35页 |
| 3.2.2 接触电阻的小波去噪应用 | 第35-38页 |
| 3.2.3 数据归一化 | 第38页 |
| 3.3 本章总结 | 第38-41页 |
| 第4章 基于非线性自回归神经网络的航天继电器贮存寿命预测方法研究 | 第41-49页 |
| 4.1 动态神经网络研究 | 第41-44页 |
| 4.1.1 动态神经网络分析 | 第41-42页 |
| 4.1.2 NARX神经网络模型研究 | 第42-44页 |
| 4.2 基于NARX神经网络的航天继电器贮存寿命预测研究 | 第44-46页 |
| 4.2.1 基于NARX神经网络的航天继电器贮存寿命预测流程 | 第44页 |
| 4.2.2 基于航天继电器贮存寿命预测的网络模式选择 | 第44-45页 |
| 4.2.3 基于航天继电器贮存寿命预测的NARX神经网络参数选择 | 第45-46页 |
| 4.3 基于NARX神经网络的航天继电器贮存寿命预测结果分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于支持向量机的航天继电器贮存寿命预测方法研究 | 第49-63页 |
| 5.1 统计学习研究 | 第49-54页 |
| 5.1.1 统计学习理论分析 | 第49-51页 |
| 5.1.2 支持向量机模型研究 | 第51-54页 |
| 5.2 基于SVM的航天继电器贮存寿命预测研究 | 第54-58页 |
| 5.2.1 基于SVM的航天继电器贮存寿命预测流程 | 第55-56页 |
| 5.2.2 基于航天继电器贮存寿命预测的SVM核函数选择 | 第56页 |
| 5.2.3 基于航天继电器贮存寿命预测的SVM参数选择及其寻优 | 第56-58页 |
| 5.3 基于SVM的航天继电器贮存寿命预测结果分析 | 第58-61页 |
| 5.4 预测结果对比分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
