首页--航空、航天论文--航空论文--航空制造工艺论文--航空器的维护与修理论文

基于多方法联合的故障诊断技术研究

摘要第4-5页
ABSTRACT第5页
注释表第10-11页
缩略词第11-13页
第一章 绪论第13-17页
    1.1 课题研究的背景及意义第13-14页
    1.2 航电系统故障诊断技术的研究现状第14-15页
    1.3 本文的内容与结构安排第15-17页
第二章 故障树理论和人工神经网络理论第17-27页
    2.1 故障树分析法第17-22页
        2.1.1 故障树的数学表示第17页
        2.1.2 故障树的建立第17-19页
        2.1.3 故障树的定性分析第19页
        2.1.4 故障树的定量分析第19页
        2.1.5 航电系统故障树实例分析第19-22页
    2.2 BP与BAM神经网络基本原理第22-25页
        2.2.1 BP神经网络结构及算法第22-24页
            2.2.1.1 BP神经网络的基本原理第22页
            2.2.1.2 BP神经网络的算法第22-23页
            2.2.1.3 BP算法执行步骤第23-24页
        2.2.2 BAM神经网络结构及原理第24-25页
            2.2.2.1 BAM神经网络概述第24页
            2.2.2.2 BAM网络拓扑结构第24页
            2.2.2.3 BAM网络工作原理第24-25页
    2.3 基于神经网络的故障诊断第25-26页
    2.4 两种方法结合的研究方向第26页
    2.5 本章小结第26-27页
第三章 多方法联合的故障诊断技术在航电系统中的应用第27-48页
    3.1 FTA与BAM融合的故障诊断第27-31页
        3.1.1 BAM实现故障诊断第27-28页
        3.1.2 FTA与BAM融合的故障诊断模型第28-29页
        3.1.3 FTA与BAM融合的故障诊断流程第29-31页
    3.2 FTA与BAM神经网络、BP神经网络联合故障诊断第31-32页
        3.2.1 联合故障诊断技术概述第31页
        3.2.2 联合故障诊断流程第31-32页
    3.3 航电系统故障的分类第32-34页
    3.4 基于多方法联合诊断仿真验证第34-47页
        3.4.1 FTA与BAM融合的故障诊断实验分析第34-36页
        3.4.2 FTA与BAM融合的实验结果分析第36-40页
        3.4.3 联合改进BP网络的诊断验证第40-47页
            3.4.3.1 改进的BP算法第40-41页
            3.4.3.2 BP神经网络结构设计第41-42页
            3.4.3.3 仿真实验分析第42-47页
        3.4.4 多方法联合诊断结果分析第47页
    3.5 本章小结第47-48页
第四章 基于多方法联合的航电故障诊断系统的设计与验证第48-68页
    4.1 需求分析第48页
    4.2 系统整体框架设计第48-50页
    4.3 主要功能模块设计第50-58页
        4.3.1 知识库的设计第50-54页
            4.3.1.1 知识模型的选用第50-51页
            4.3.1.2 知识的获取与表示第51-53页
            4.3.1.3 显示知识库的设计第53页
            4.3.1.4 隐式知识库的设计第53-54页
        4.3.2 诊断推理功能的设计第54-55页
            4.3.2.1 诊断流程设计第54-55页
            4.3.2.2 诊断推理设计第55页
        4.3.3 故障诊断系统的解释机制第55-56页
        4.3.4 故障诊断系统的人机界面第56页
        4.3.5 知识的管理和学习机制第56-58页
            4.3.5.1 知识的管理第56-57页
            4.3.5.2 一般学习机制第57-58页
    4.4 开发环境和数据库设计第58-61页
        4.4.1 故障诊断系统的开发环境第58-59页
        4.4.2 数据库设计第59-61页
    4.5 故障诊断验证第61-67页
        4.5.1 飞行机组呼叫系统的故障诊断第61-66页
            4.5.1.1 用户登录和子系统选择第61-62页
            4.5.1.2 基于FTA与BAM神经网络融合诊断第62-65页
            4.5.1.3 BP神经网络诊断第65-66页
        4.5.2 诊断结果分析第66-67页
    4.6 本章小结第67-68页
第五章 总结和展望第68-70页
    5.1 论文工作总结第68页
    5.2 存在的问题和展望第68-70页
参考文献第70-74页
致谢第74-75页
在学期间的研究成果及发表的学术论文第75页

论文共75页,点击 下载论文
上一篇:路网层次桥梁超限运输管理研究
下一篇:折叠翼飞行器姿态检测与控制系统初步研究