| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.2 课题的国内外研究现状及应用概况 | 第11-13页 |
| 1.3 智能故障诊断常用方法 | 第13-15页 |
| 1.3.1 基于模型的方法 | 第13页 |
| 1.3.2 基于案例的推理方法 | 第13-14页 |
| 1.3.3 基于神经网络的方法 | 第14页 |
| 1.3.4 基于专家系统的方法 | 第14-15页 |
| 1.3.5 基于模式识别的方法 | 第15页 |
| 1.4 本文的主要研究内容与章节安排 | 第15-17页 |
| 第二章 APU监测传感器参数及其常见故障类型的选取 | 第17-21页 |
| 2.1 APU监测传感器参数的选取 | 第17-18页 |
| 2.2 APU常见故障类型分析与选取 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 APU监测传感器输出数据的处理 | 第21-35页 |
| 3.1 APU监测传感器滤波算法的小波理论基础 | 第21页 |
| 3.2 基于小波的APU监测传感器输出数据数字滤波算法 | 第21-33页 |
| 3.2.1 小波变换 | 第22-27页 |
| 3.2.2 小波包算法的引入 | 第27-29页 |
| 3.2.3 小波滤波算法在APU监测传感器输出数据处理中的应用实例 | 第29-33页 |
| 3.3 APU监测传感器故障诊断研究 | 第33-34页 |
| 3.3.1 传感器故障分析 | 第33页 |
| 3.3.2 基于改进“Min - Max”算法的传感器故障诊断 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 APU故障智能诊断算法建模 | 第35-56页 |
| 4.1 智能故障诊断原理引入 | 第35-36页 |
| 4.2 基于改进BP神经网络算法的APU智能故障诊断模型的建立 | 第36-42页 |
| 4.2.1 BP网络数学模型的建立 | 第36-39页 |
| 4.2.2 BP网络的算法改进 | 第39-41页 |
| 4.2.3 APU智能故障诊断模型的BP网络结构设计 | 第41-42页 |
| 4.3 基于改进RBF网络算法的APU智能故障诊断模型的构建 | 第42-49页 |
| 4.3.1 RBF网络结构和算法的数学模型 | 第43-48页 |
| 4.3.2 参数优化 | 第48-49页 |
| 4.4 实例验证与分析 | 第49-55页 |
| 4.4.1 基于改进BP神经网络算法的APU智能故障诊断模型实例与分析 | 第50-53页 |
| 4.4.2 基于改进RBF网络的APU智能故障诊断模型实例与分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文研究设计工作总结 | 第56页 |
| 5.2 进一步的研究开发工作规划 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士研究生期间的科研成果 | 第63页 |
