基于机器学习的卫星故障动态自适应建模关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.1.1 研究工作的背景 | 第10-11页 |
| 1.1.2 研究工作的意义 | 第11-12页 |
| 1.2 国内外研究历史与现状 | 第12-15页 |
| 1.2.1 国外研究历史与现状 | 第13-14页 |
| 1.2.2 国内研究历史与现状 | 第14-15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 基础知识 | 第17-26页 |
| 2.1 故障理论 | 第17-18页 |
| 2.1.1 故障的定义和分类 | 第17-18页 |
| 2.1.2 故障表现类型 | 第18页 |
| 2.2 机器学习相关理论 | 第18-20页 |
| 2.3 卫星数据特征分析及处理 | 第20-24页 |
| 2.3.1 遥测数据特征分析 | 第20-21页 |
| 2.3.2 数据处理 | 第21-24页 |
| 2.4 评价标准 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 小波神经网络及优化 | 第26-40页 |
| 3.1 小波神经网络 | 第26-29页 |
| 3.2 粒子群优化小波神经网络 | 第29-34页 |
| 3.3 粒子群算法的改进 | 第34-36页 |
| 3.4 实验测试与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 径向基神经网络及优化 | 第40-61页 |
| 4.1 径向基神经网络 | 第40-43页 |
| 4.2 蚁群优化径向基神经网络 | 第43-47页 |
| 4.3 蚁群算法的改进 | 第47-50页 |
| 4.4 实验测试与分析 | 第50-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 卫星数据诊断实例研究 | 第61-78页 |
| 5.1 小波神经网络及优化实例分析 | 第61-69页 |
| 5.2 径向基神经网络及优化实例分析 | 第69-76页 |
| 5.3 卫星故障诊断工具软件运行效果 | 第76-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 全文总结与展望 | 第78-80页 |
| 6.1 全文总结 | 第78页 |
| 6.2 后续工作展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-83页 |
