| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 机载气象雷达 | 第10-11页 |
| 1.3 故障预测技术研究现状 | 第11-14页 |
| 1.4 本文研究主要内容以及结构安排 | 第14-15页 |
| 第二章 气象雷达散热系统性能研究和故障机理分析 | 第15-25页 |
| 2.1 气象雷达散热系统的基本性能参数 | 第15-16页 |
| 2.2 AMETEK ROTRON系列航空散热风扇 | 第16-18页 |
| 2.3 气象雷达散热系统失效标准 | 第18-19页 |
| 2.4 气象雷达散热系统的故障因素分析 | 第19-21页 |
| 2.5 气象雷达散热系统动力装置的故障机理分析 | 第21-24页 |
| 2.5.1 定子故障机理分析 | 第21-23页 |
| 2.5.2 转子故障机理分析 | 第23页 |
| 2.5.3 铁心片故障机理分析 | 第23页 |
| 2.5.4 航空电机故障机理分析 | 第23-24页 |
| 2.6 小结 | 第24-25页 |
| 第三章 支持向量机参数优化模型 | 第25-47页 |
| 3.1 支持向量机算法 | 第25-34页 |
| 3.1.1 统计学习理论 | 第25-28页 |
| 3.1.2 支持向量分类机 | 第28-32页 |
| 3.1.3 ε型支持向量回归机 | 第32-34页 |
| 3.2 核函数的选择 | 第34-37页 |
| 3.3 优化支持向量机参数 | 第37-43页 |
| 3.3.1 支持向量机参数优化方法 | 第37-38页 |
| 3.3.2 粒子群优化算法 | 第38-39页 |
| 3.3.3 参数优化方法的选择 | 第39-41页 |
| 3.3.4 参数优化方法的改进 | 第41-43页 |
| 3.4 粒子群算法优化SVM参数 | 第43-47页 |
| 3.4.1 粒子群优化SVM参数的方法选择 | 第43-44页 |
| 3.4.2 粒子群优化算法的参数选择 | 第44-45页 |
| 3.4.3 粒子群优化支持向量机参数的过程 | 第45-47页 |
| 3.5 小结 | 第47页 |
| 第四章 基于支持向量机的动力装置故障预测 | 第47-59页 |
| 4.1 统计过程控制 | 第47-51页 |
| 4.2 动力装置故障预测模型 | 第51-58页 |
| 4.3 小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 作者简介 | 第68页 |