| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 主要符号表 | 第9-10页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容及研究目标 | 第13-14页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 研究目标 | 第14页 |
| 1.4 论文内容安排 | 第14-16页 |
| 第2章 舰用发动机某关键部件故障类型与故障状态演化趋势分析 | 第16-19页 |
| 2.1 舰用发动机某关键部件故障类型 | 第16-17页 |
| 2.2 舰用发动机某关键部件故障状态演化趋势分析 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 舰用发动机某关键部件数据获取与预处理 | 第19-35页 |
| 3.1 数据获取 | 第19-22页 |
| 3.2 数据预处理方法概述 | 第22-24页 |
| 3.3 基于CEEMD的数据预处理基本理论 | 第24-29页 |
| 3.3.1 EMD理论 | 第24-26页 |
| 3.3.2 EEMD理论 | 第26-27页 |
| 3.3.3 CEEMD理论 | 第27-29页 |
| 3.4 基于CEEMD的舰用发动机某关键部件数据预处理 | 第29-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 舰用发动机某关键部件健康状态特征提取 | 第35-44页 |
| 4.1 特征提取方法概述 | 第35-36页 |
| 4.2 小波包分析理论 | 第36-40页 |
| 4.2.1 小波变换 | 第37-38页 |
| 4.2.2 小波包分解 | 第38-39页 |
| 4.2.3 小波包分解和重构算法 | 第39-40页 |
| 4.3 小波包分解能量特征提取 | 第40页 |
| 4.4 基于小波包分解能量的舰用发动机某关键部件健康状态特征提取 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于灰色理论舰用发动机某关键部件故障预测方法研究 | 第44-52页 |
| 5.1 灰色理论 | 第44-45页 |
| 5.2 灰色预测模型 | 第45-48页 |
| 5.3 基于灰色理论的舰用发动机某关键部件故障预测方法应用研究 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 基于灰色神经网络舰用发动机某关键部件故障预测方法研究 | 第52-60页 |
| 6.1 神经网络理论 | 第52-54页 |
| 6.2 灰色神经网络预测模型 | 第54-56页 |
| 6.3 灰色神经网络预测算法 | 第56-57页 |
| 6.4 基于灰色神经网络的舰用发动机某关键部件故障预测方法应用研究 | 第57-59页 |
| 6.5 本章小结 | 第59-60页 |
| 第7章 基于RVM舰用发动机某关键部件故障预测方法研究 | 第60-67页 |
| 7.1 RVM基本理论 | 第60-61页 |
| 7.2 RVM预测模型 | 第61-62页 |
| 7.3 RVM预测算法 | 第62-64页 |
| 7.4 基于RVM的舰用发动机某关键部件故障预测方法应用研究 | 第64-66页 |
| 7.5 本章小结 | 第66-67页 |
| 第8章 不同故障预测方法应用效果比较与分析 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第74-75页 |
