| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 粒子群算法研究现状 | 第9-11页 |
| 1.2.1 粒子群算法收敛性分析 | 第9-10页 |
| 1.2.2 粒子群算法的应用研究 | 第10-11页 |
| 1.3 航天发动机健康管理的研究现状 | 第11-14页 |
| 1.3.1 液体火箭发动机的故障模式 | 第11-12页 |
| 1.3.2 液体火箭发动机的故障检测与诊断方法 | 第12-13页 |
| 1.3.3 航天发动机故障检测待解决的主要问题 | 第13-14页 |
| 1.4 粒子群算法在航天发动机的故障检测 | 第14-15页 |
| 1.5 论文研究的主要内容 | 第15-16页 |
| 第二章 一般粒子群优化算法与改进 | 第16-27页 |
| 2.1 粒子群算法研究现状 | 第16-19页 |
| 2.1.1 粒子群算法的基本形式 | 第16-17页 |
| 2.1.2 粒子群算法的控制参数 | 第17-18页 |
| 2.1.3 粒子群算法的基本流程 | 第18-19页 |
| 2.2 粒子群优化算法 | 第19-21页 |
| 2.2.1 粒子群算法与进化算法比较 | 第19-20页 |
| 2.2.2 粒子群算法性能改进方法 | 第20-21页 |
| 2.3 粒子群算法的改进 | 第21-26页 |
| 2.3.1 基于相似度与随机变异改进的粒子群算法 | 第22-23页 |
| 2.3.2 实验结果与分析 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于改进粒子群优化神经网络的液体火箭发动机故障检测 | 第27-39页 |
| 3.1 粒子群优化BP神经网络 | 第27-30页 |
| 3.1.1 BP神经网络 | 第27-29页 |
| 3.1.2 BP神经网络的缺陷与分析 | 第29-30页 |
| 3.1.3 BP神经网络优化 | 第30页 |
| 3.2 BP神经网络在故障诊断中的应用 | 第30-31页 |
| 3.3 基于SPSO-BP神经网络的液体火箭发动机故障检测 | 第31-38页 |
| 3.3.1 检测模型与训练流程 | 第31-32页 |
| 3.3.2 液体火箭发动机试验数据的分析 | 第32-34页 |
| 3.3.3 液体火箭发动机试车数据获取与工艺处理 | 第34-35页 |
| 3.3.4 样本的选取预处理 | 第35-36页 |
| 3.3.5 仿真实验与结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于改进粒子群优化LSSVM的液体火箭发动机故障检测 | 第39-50页 |
| 4.1 粒子群算法优化最小二乘支持向量机 | 第39-43页 |
| 4.1.1 支持向量机 | 第39-41页 |
| 4.1.2 最小二乘支持向量机 | 第41-43页 |
| 4.1.3 最小二乘支持向量机关键参数优化的必要性 | 第43页 |
| 4.2 基于SPSO优化LSSVM的液体火箭发动机故障检测 | 第43-48页 |
| 4.2.1 故障检测模型建立与训练流程 | 第43-45页 |
| 4.2.2 样本的选取预处理 | 第45-46页 |
| 4.2.3 实验验证与结果分析 | 第46-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第五章 一种航天发动机健康管理测试平台 | 第50-57页 |
| 5.1 系统概述 | 第50页 |
| 5.2 系统方案设计 | 第50-52页 |
| 5.2.1 系统特性要求 | 第50-51页 |
| 5.2.2 航天发动健康管理测试平台的结构 | 第51-52页 |
| 5.3 模块设计 | 第52-54页 |
| 5.3.1 数据采集模块设计 | 第52-53页 |
| 5.3.2 故障检测模块设计 | 第53-54页 |
| 5.4 平台试验 | 第54-56页 |
| 5.4.1 实验前的配置 | 第54页 |
| 5.4.2 故障检测模块有效性验证 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
