基于模糊神经网络的飞机子系统故障诊断的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题研究的意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文的研究内容 | 第14-15页 |
| 2 智能故障诊断方法 | 第15-33页 |
| ·统计识别法 | 第15-21页 |
| ·统计识别法的基本原理 | 第15-19页 |
| ·统计识别法的分类 | 第19-21页 |
| ·统计识别方法 | 第21页 |
| ·函数识别法 | 第21页 |
| ·逻辑识别法 | 第21-23页 |
| ·逻辑识别法的基本概念 | 第21-22页 |
| ·逻辑识别法的基本原理 | 第22-23页 |
| ·灰色识别法 | 第23-26页 |
| ·灰色预测方法 | 第23-24页 |
| ·灰色关联度分析故障 | 第24-26页 |
| ·模糊识别法 | 第26-28页 |
| ·模糊诊断的数学基础 | 第26-28页 |
| ·模糊诊断的一般过程 | 第28页 |
| ·神经网络识别法 | 第28-31页 |
| ·神经网络的基本概念 | 第28-30页 |
| ·基于神经网络的故障诊断 | 第30-31页 |
| ·模糊神经网络识别法 | 第31页 |
| ·本章小结 | 第31-33页 |
| 3 模糊神经网络的结构辨识 | 第33-40页 |
| ·模糊C-均值聚类算法 | 第33-36页 |
| ·基本概念 | 第33-34页 |
| ·算法思想 | 第34-36页 |
| ·改进的模糊聚类算法 | 第36-38页 |
| ·粒子群优化算法 | 第36-37页 |
| ·FCM 的改进算法 | 第37-38页 |
| ·初始模糊规则库的制定 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 模糊神经网络的参数辨识 | 第40-44页 |
| ·参数辨识 | 第40-42页 |
| ·模糊神经网络的结构 | 第40-41页 |
| ·通用逼近性 | 第41-42页 |
| ·模糊神经网络的学习算法 | 第42-43页 |
| ·学习算法 | 第42页 |
| ·模糊神经网络的学习算法 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 飞机子系统故障诊断模型 | 第44-51页 |
| ·诊断模型 | 第44-45页 |
| ·模糊产生器 | 第45页 |
| ·知识库 | 第45-48页 |
| ·模糊推理机 | 第48-49页 |
| ·反模糊化器 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 6 系统实现 | 第51-58页 |
| ·总体框架 | 第51-52页 |
| ·系统模块设计 | 第52-54页 |
| ·测试与分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 7 结束语 | 第58-60页 |
| ·主要研究成果 | 第58-59页 |
| ·下一步研究工作 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
