| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-22页 |
| ·研究背景及意义 | 第11-13页 |
| ·电源系统BIT的应用概况及存在问题 | 第13-16页 |
| ·电源系统BIT的发展及应用概况 | 第13页 |
| ·电源系统BIT存在的问题 | 第13-15页 |
| ·智能化BIT是提高电源系统综合诊断性能的重要途径 | 第15-16页 |
| ·智能BIT故障诊断技术的研究综述 | 第16-20页 |
| ·论文的主要研究内容及组成 | 第20-22页 |
| ·论文研究的主要内容 | 第20页 |
| ·论文的组织结构 | 第20-22页 |
| 第二章 多电飞机电源系统特性与BIT智能诊断策略 | 第22-41页 |
| ·多电飞机电气系统的基本组成和功能特点 | 第22-24页 |
| ·多电飞机电气系统的基本组成及其功能 | 第22-23页 |
| ·多电飞机电气系统的智能BIT综合诊断结构 | 第23-24页 |
| ·多电飞机电源系统特性及其BIT故障诊断特点 | 第24-32页 |
| ·多电飞机电源系统的非线性数学模型 | 第24-26页 |
| ·多电飞机电源系统的特性 | 第26-27页 |
| ·电源系统的模块化特点 | 第27-28页 |
| ·电源系统故障模式影响度分析 | 第28-29页 |
| ·BIT故障检测与诊断特征信号分析 | 第29-32页 |
| ·BIT系统中智能故障诊断策略的理论分析及选取 | 第32-38页 |
| ·电源BIT系统的数学模型 | 第32-33页 |
| ·电源BIT系统诊断策略分析 | 第33-38页 |
| ·提高电源BIT系统智能化诊断性能的策略 | 第38-40页 |
| ·智能BIT系统无监督诊断策略 | 第38-39页 |
| ·智能BIT降虚警率策略研究 | 第39页 |
| ·智能BIT趋势分析的状态预测策略 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于混合聚类神经网络的BIT智能诊断方法 | 第41-75页 |
| ·BIT系统智能故障诊断方法概述 | 第41-43页 |
| ·基于模型推理和规则的诊断专家系统 | 第41页 |
| ·基于模式识别的神经网络诊断系统 | 第41-43页 |
| ·广义学习矢量量化网络的基本原理 | 第43-47页 |
| ·竞争神经网络学习的基本原理 | 第44-45页 |
| ·基于竞争思想的广义学习矢量量化网络模型 | 第45-47页 |
| ·改进型GLVQ(IGLVQ)的提出 | 第47-56页 |
| ·GLVQ网络算法存在的不足 | 第48-51页 |
| ·改进型GLVQ(IGLVQ)网络算法 | 第51-54页 |
| ·新型IGLVQ算法的性能分析 | 第54-56页 |
| ·基于IGLVQ的混合聚类网络(HIGLVQ) | 第56-59页 |
| ·HIGLVQ模型的提出 | 第56-58页 |
| ·HIGLVQ模型的性能分析 | 第58-59页 |
| ·基于HIGLVQ混合聚类模型的电源系统BIT故障诊断方法 | 第59-74页 |
| ·电源系统的典型故障模式分析 | 第60-62页 |
| ·基于功率谱和小波的特征选取 | 第62-66页 |
| ·基于HIGLVQ模型的BIT故障诊断结果 | 第66-73页 |
| ·实验讨论 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第四章 智能BIT系统降虚警率技术研究 | 第75-113页 |
| ·BIT系统虚警概述及虚警率定义 | 第75-79页 |
| ·BIT系统的虚警定义 | 第75-76页 |
| ·BIT系统的虚警率定义 | 第76-77页 |
| ·BIT虚警对机载电源系统的影响 | 第77页 |
| ·BIT虚警原因及降低虚警率的技术研究概述 | 第77-79页 |
| ·降低飞机电源系统BIT虚警率的技术解决途径 | 第79-82页 |
| ·基于故障诊断流程的电源系统BIT虚警分析 | 第82-86页 |
| ·两类故障导致暂时性失效的机理及特点分析 | 第86-91页 |
| ·电源系统暂时性失效的两类故障分析 | 第87-90页 |
| ·暂时性失效的故障特性及研究特点 | 第90-91页 |
| ·瞬态或间歇故障对BIT固有虚警率影响的定量分析 | 第91-98页 |
| ·基于HIGLVQ—优化Bayes风险决策的BIT智能虚警滤波技术 | 第98-111页 |
| ·电源系统BIT智能虚警滤波模型 | 第98-99页 |
| ·模式分类的贝叶斯策略 | 第99-100页 |
| ·基于优化Bayes风险决策诊断模型的建立 | 第100-106页 |
| ·基于HIGLVQ—优化Bayes风险决策的虚警滤波实验 | 第106-110页 |
| ·实验讨论 | 第110-111页 |
| ·本章小结 | 第111-113页 |
| 第五章 智能BIT系统状态预测技术研究 | 第113-154页 |
| ·状态预测方法及理论概述 | 第113-118页 |
| ·基于定量分析的状态预测方法 | 第114-116页 |
| ·设备状态预测法的特点 | 第116-117页 |
| ·马尔可夫建模技术及其在BIT中的应用现状 | 第117-118页 |
| ·马尔可夫建模用于BIT状态预测的优点 | 第118页 |
| ·电源BIT的马尔可夫建模原理及状态预测 | 第118-122页 |
| ·具有中间态BIT系统的马尔可夫模型 | 第118-120页 |
| ·基于马尔可夫模型的BIT状态预测 | 第120-122页 |
| ·电源系统BIT隐马尔可夫建模原理及状态预测 | 第122-125页 |
| ·隐马尔可夫模型的基本原理 | 第122-123页 |
| ·电源BIT系统隐马尔可夫模型的建立 | 第123-124页 |
| ·电源BIT隐马尔可夫模型预测原理 | 第124-125页 |
| ·基于HMM的电源系统BIT状态预测方法研究 | 第125-145页 |
| ·HMM的基本算法 | 第125-129页 |
| ·基于HMM的电源系统BIT状态预测技术 | 第129-145页 |
| ·基于径向基HMM模型的电源系统BIT在线预测模型 | 第145-153页 |
| ·径向基HMM(RBHMM)预测模型的提出 | 第146-147页 |
| ·RBHMM模型的在线参数估计 | 第147-149页 |
| ·基于RBHMM模型的在线预测方法 | 第149-150页 |
| ·基于RBHMM模型的BIT系统状态预测实验 | 第150-152页 |
| ·实验讨论 | 第152-153页 |
| ·本章小结 | 第153-154页 |
| 第六章 总结与展望 | 第154-157页 |
| ·全文总结 | 第154-155页 |
| ·研究展望 | 第155-157页 |
| 致谢 | 第157-158页 |
| 参考文献 | 第158-173页 |
| 附录:攻读博士学位期间发表的有关学术论文 | 第173-175页 |
