| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 主要符号表 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题研究背景和意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外状态趋势分析技术研究发展状况 | 第14-17页 |
| ·国外研究概况 | 第14-16页 |
| ·国内研究概况 | 第16-17页 |
| ·研究内容及研究目标 | 第17-18页 |
| ·研究内容 | 第17-18页 |
| ·研究目标 | 第18页 |
| ·论文内容安排 | 第18-20页 |
| 第2章 航空发电机健康状态信息及寿命试验数据处理与分析 | 第20-26页 |
| ·航空发电机健康状态表征信息 | 第20-21页 |
| ·航空发电机寿命数据处理与分析 | 第21-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于灰色模型的航空发电机状态趋势分析技术研究 | 第26-34页 |
| ·灰色系统理论基础 | 第26-31页 |
| ·灰色系统理论概述 | 第27页 |
| ·灰色系统基本原理 | 第27页 |
| ·一阶单变量灰色模型 | 第27-31页 |
| ·基于GM(1,1)模型的航空发电机状态趋势分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于ARMA 模型的航空发电机状态趋势分析技术研究 | 第34-44页 |
| ·自回归移动平均模型 | 第34-41页 |
| ·自回归移动平均模型概述 | 第34-35页 |
| ·自回归移动平均模型基本原理 | 第35-38页 |
| ·自回归移动平均模型建模过程 | 第38-41页 |
| ·基于ARMA 模型的航空发电机状态趋势分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 优化算法在航空发电机趋势分析中的应用 | 第44-71页 |
| ·遗传优化算法概述 | 第44-53页 |
| ·遗传优化算法基本思想 | 第44-46页 |
| ·遗传优化算法关键参数 | 第46-48页 |
| ·遗传优化算法适应度函数 | 第48-50页 |
| ·遗传优化算法核心算子 | 第50-53页 |
| ·遗传优化算法在航空发电机状态趋势分析中的应用 | 第53-57页 |
| ·粒子群优化算法概述 | 第57-65页 |
| ·粒子群优化算法的基本思想 | 第57-61页 |
| ·粒子群优化算法的设计原则及特点 | 第61-62页 |
| ·粒子群优化算法优化思想 | 第62页 |
| ·粒子群算法参数分析 | 第62-65页 |
| ·粒子群优化算法在航空发电机状态趋势分析中的应用 | 第65-67页 |
| ·航空发电机状态趋势分析结果比较与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第77页 |
