电子系统PHM关键技术的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本文的主要内容 | 第18-20页 |
| 第二章 电子系统的PHM基础与机器学习相关理论 | 第20-30页 |
| 2.1 电子系统的PHM理论基础 | 第20-27页 |
| 2.1.1 电子系统PHM的基本概念 | 第20页 |
| 2.1.2 电子系统PHM的体系结构 | 第20-26页 |
| 2.1.3 电子系统PHM的关键技术 | 第26-27页 |
| 2.2 机器学习的相关理论基础 | 第27-29页 |
| 2.2.1 机器学习相关算法介绍 | 第27-28页 |
| 2.2.2 机器学习的应用现状 | 第28-29页 |
| 2.3 基于机器学习方法的电子系统PHM | 第29-30页 |
| 第三章 基于HMM的电路状态监测方法的研究 | 第30-58页 |
| 3.1 数据采集 | 第31-35页 |
| 3.1.1 电路仿真 | 第31-32页 |
| 3.1.2 数据提取 | 第32-35页 |
| 3.2 特征提取 | 第35-36页 |
| 3.3 特征预处理 | 第36-39页 |
| 3.3.1 特征归一化 | 第36-37页 |
| 3.3.2 特征降维 | 第37-39页 |
| 3.4 隐马尔科夫的相关理论 | 第39-45页 |
| 3.4.1 隐马尔科夫模型 | 第39-41页 |
| 3.4.2 概率计算 | 第41-43页 |
| 3.4.3 参数学习 | 第43-44页 |
| 3.4.4 状态预测 | 第44-45页 |
| 3.5 基于隐马尔科夫的状态监测方法 | 第45-47页 |
| 3.6 实例分析 | 第47-57页 |
| 3.6.1 提取特征数据集 | 第47-50页 |
| 3.6.2 参数学习 | 第50-53页 |
| 3.6.3 健康状态预测 | 第53-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第四章 电子系统的故障预测与诊断方法的研究 | 第58-92页 |
| 4.1 故障预测方法概述 | 第58-59页 |
| 4.2 故障诊断方法概述 | 第59-60页 |
| 4.3 基于回归模型的故障预测方法 | 第60-71页 |
| 4.3.2 线性回归原理介绍 | 第61-63页 |
| 4.3.3 构建故障指示器 | 第63-64页 |
| 4.3.4 实例分析 | 第64-71页 |
| 4.4 基于分类模型的故障诊断方法 | 第71-90页 |
| 4.4.2 模拟电路故障模式 | 第72-73页 |
| 4.4.3 基于SVM分类模型的电路故障定位 | 第73-85页 |
| 4.4.4 基于GBDT分类模型的电路故障定位 | 第85-90页 |
| 4.4.5 小结 | 第90页 |
| 4.5 本章小结 | 第90-92页 |
| 第五章 电子系统PHM的软件实现 | 第92-104页 |
| 5.1 总体设计概述 | 第92页 |
| 5.1.1 设计要求与目标 | 第92页 |
| 5.1.2 总体设计方案 | 第92页 |
| 5.2 系统功能设计 | 第92-96页 |
| 5.2.1 数据库系统设计 | 第92-94页 |
| 5.2.2 功能模块设计 | 第94-96页 |
| 5.3 软件操作流程示例 | 第96-103页 |
| 5.3.2 数据提取 | 第97-98页 |
| 5.3.3 特征提取 | 第98-100页 |
| 5.3.4 电路状态监测 | 第100-101页 |
| 5.3.5 故障预测与故障诊断 | 第101-103页 |
| 5.4 本章小结 | 第103-104页 |
| 第六章 总结与展望 | 第104-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-109页 |
| 个人简历、攻硕期间取得的研究成果 | 第109页 |
