| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第一章 绪论 | 第13-19页 |
| ·引言 | 第13页 |
| ·液体火箭发动机健康监控技术的研究概况 | 第13-14页 |
| ·发动机故障检测与诊断的主要方法 | 第14-16页 |
| ·遗传算法用于故障检测与诊断的主要问题 | 第16-17页 |
| ·主要工作及贡献 | 第17-19页 |
| 第二章 基于遗传神经网络算法的液体火箭发动机故障检测 | 第19-47页 |
| ·遗传神经网络 | 第19-30页 |
| ·遗传算法 | 第19-22页 |
| ·人工神经网络 | 第22-26页 |
| ·遗传神经网络 | 第26-27页 |
| ·遗传神经网络性能比较 | 第27-30页 |
| ·遗传神经网络故障检测算法框架 | 第30-33页 |
| ·基于辨识方法的遗传神经网络故障检测算法框架 | 第30-31页 |
| ·基于模式识别的遗传神经网络故障检测算法框架 | 第31-33页 |
| ·遗传神经网络故障检测关键技术 | 第33-34页 |
| ·液体火箭发动机故障检测分析 | 第34-45页 |
| ·问题描述 | 第34页 |
| ·监测参数的选取 | 第34-36页 |
| ·数据来源 | 第36页 |
| ·仿真结果分析 | 第36-45页 |
| ·小结 | 第45-47页 |
| 第三章 基于量子遗传非线性回归算法的液体火箭发动机故障检测 | 第47-62页 |
| ·量子遗传非线性回归算法 | 第47-53页 |
| ·量子染色体 | 第47-48页 |
| ·量子遗传算法描述 | 第48-50页 |
| ·量子遗传非线性回归算法 | 第50-53页 |
| ·量子遗传非线性回归故障检测算法框架 | 第53-54页 |
| ·量子遗传非线性回归故障检测算法关键技术 | 第54-55页 |
| ·液体火箭发动机故障检测分析 | 第55-61页 |
| ·问题描述 | 第55-56页 |
| ·监测参数的选取 | 第56页 |
| ·数据来源 | 第56页 |
| ·仿真结果分析 | 第56-61页 |
| ·小结 | 第61-62页 |
| 第四章 基于遗传模糊C均值聚类分析算法的液体火箭发动机故障诊断 | 第62-75页 |
| ·遗传模糊C均值算法 | 第62-66页 |
| ·模糊C均值算法 | 第62-63页 |
| ·遗传模糊C均值算法 | 第63-65页 |
| ·遗传FCM算法用于模式分类的性能比较 | 第65-66页 |
| ·遗传模糊C均值故障诊断算法框架 | 第66-68页 |
| ·遗传模糊C均值诊断方法关键技术 | 第68-69页 |
| ·液体火箭发动机故障诊断实例 | 第69-73页 |
| ·问题描述 | 第69页 |
| ·监测参数的选取 | 第69页 |
| ·数据来源 | 第69-70页 |
| ·仿真结果分析 | 第70-73页 |
| ·小结 | 第73-75页 |
| 第五章 结束语 | 第75-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士期间发表的论文 | 第84页 |
