| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 性能退化预测的发展与现状 | 第12-14页 |
| 1.3 含有奇异信号的状态预测方法研究现状 | 第14-17页 |
| 1.3.1 奇异点检测方法的研究现状 | 第15页 |
| 1.3.2 含有奇异信号的预测方法研究现状 | 第15-17页 |
| 1.4 本文的主要研究内容 | 第17-18页 |
| 1.5 本文的组织结构安排 | 第18-20页 |
| 第二章 电子系统性能退化过程中奇异信号的分析 | 第20-34页 |
| 2.1 奇异性的数学模型 | 第20-21页 |
| 2.2 性能退化过程中奇异信号的产生及对预测的影响 | 第21-24页 |
| 2.3 信号与噪声的度量 | 第24-33页 |
| 2.3.1 信号奇异性的检测方法 | 第24-27页 |
| 2.3.2 噪声的小波变换特性 | 第27-29页 |
| 2.3.3 奇异信号和噪声在小波变换下的差别 | 第29页 |
| 2.3.4 噪声对奇异性检测的干扰 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于三次非多项式样条的加权HMM趋势预测方法 | 第34-50页 |
| 3.1 基于加权HMM模型的基本预测链 | 第34-35页 |
| 3.2 三次非多项式样条原理 | 第35-37页 |
| 3.3 基于三次非多项式样条的加权HMM趋势预测模型的建立 | 第37-43页 |
| 3.3.1 预测模型描述 | 第37-39页 |
| 3.3.2 算法步骤 | 第39-43页 |
| 3.4 仿真与实验 | 第43-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于VKOPP模型的性能退化趋势预测方法 | 第50-75页 |
| 4.1 微熵率最小重构相空间的基本原理 | 第50-51页 |
| 4.2 VOLTERRA级数介绍 | 第51-53页 |
| 4.3 基于M估计的最优剪枝极限学习机算法 | 第53-57页 |
| 4.3.1 最优剪枝极限学习机介绍 | 第53-55页 |
| 4.3.2 基于M估计的最优剪枝极限学习机算法 | 第55-57页 |
| 4.4 基于VKOPP模型的性能退化趋势预测 | 第57-64页 |
| 4.4.1 预测模型描述 | 第57-60页 |
| 4.4.2 算法步骤 | 第60-64页 |
| 4.5 仿真与实验 | 第64-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第五章 电子系统性能退化预测软件设计与实现 | 第75-84页 |
| 5.1 软件功能描述 | 第75页 |
| 5.2 软件设计结构及运行界面 | 第75-78页 |
| 5.2.1 设计结构 | 第75-77页 |
| 5.2.2 运行界面 | 第77-78页 |
| 5.3 应用实例验证 | 第78-82页 |
| 5.4 本章小结 | 第82-84页 |
| 第六章 全文总结与展望 | 第84-87页 |
| 6.1 论文工作总结 | 第84-86页 |
| 6.2 研究展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士期间取得的研究成果 | 第93-94页 |
