| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 液体火箭发动机故障检测技术研究现状 | 第11-14页 |
| 1.2.1 故障模式研究现状 | 第11-12页 |
| 1.2.2 故障特征研究现状 | 第12-13页 |
| 1.2.3 故障检测方法研究现状 | 第13-14页 |
| 1.3 论文研究目标与主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 算法相关理论与算法验证要求 | 第16-26页 |
| 2.1 涡轮泵故障理论概述 | 第16-18页 |
| 2.1.1 涡轮泵结构 | 第16页 |
| 2.1.2 涡轮泵工作环境 | 第16-17页 |
| 2.1.3 涡轮泵故障模式 | 第17页 |
| 2.1.4 涡轮泵故障机理与振动特性 | 第17-18页 |
| 2.2 支持向量机理论概述 | 第18-24页 |
| 2.2.1 线性可分问题 | 第19-21页 |
| 2.2.2 线性不可分问题 | 第21-22页 |
| 2.2.3 核函数 | 第22-24页 |
| 2.3 算法数据来源与验证要求 | 第24-25页 |
| 2.3.1 数据来源 | 第24-25页 |
| 2.3.2 验证要求 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于时域特征和快速支持向量机的故障检测算法 | 第26-48页 |
| 3.1 算法原理 | 第26-36页 |
| 3.1.1 算法流程 | 第26-29页 |
| 3.1.2 训练信号的选择 | 第29页 |
| 3.1.3 正常（故障）训练信号段的节选 | 第29-30页 |
| 3.1.4 样本步长的确定 | 第30页 |
| 3.1.5 时域特征的确定 | 第30-31页 |
| 3.1.6 原始训练样本集的构造 | 第31-32页 |
| 3.1.7 边界训练样本集的筛选 | 第32-34页 |
| 3.1.8 检测信号的选择 | 第34-35页 |
| 3.1.9 检测步长的确定 | 第35页 |
| 3.1.10 报警策略的设计 | 第35-36页 |
| 3.2 算法验证 | 第36-47页 |
| 3.2.1 算法的运行环境 | 第36页 |
| 3.2.2 时域特征故障敏感性的验证 | 第36页 |
| 3.2.3 快速支持向量机训练效果的验证 | 第36-38页 |
| 3.2.4 算法验证结果 | 第38-43页 |
| 3.2.5 指标权重值影响性的验证 | 第43-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 基于频域特征和模糊分类支持向量机的故障检测算法 | 第48-73页 |
| 4.1 算法原理 | 第48-59页 |
| 4.1.1 算法流程 | 第48-51页 |
| 4.1.2 频域特征的确定 | 第51-54页 |
| 4.1.3 训练（检测）样本的构造 | 第54-56页 |
| 4.1.4 训练样本集的构造 | 第56-57页 |
| 4.1.5 故障隶属度函数的构造 | 第57-58页 |
| 4.1.6 误分故障检测样本的剔除 | 第58-59页 |
| 4.2 算法验证 | 第59-72页 |
| 4.2.1 频域特征故障敏感性的验证 | 第59-63页 |
| 4.2.2 算法验证结果 | 第63-68页 |
| 4.2.3 误分隶属度阈值影响性的验证 | 第68-72页 |
| 4.3 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73-74页 |
| 5.2 展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |