| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.3 本文的研究内容及框架 | 第18-21页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 结构框架 | 第19-21页 |
| 第二章 寿命预测方法概述 | 第21-34页 |
| 2.1 预测方法概述 | 第21-31页 |
| 2.1.1 灰色模型 | 第21-23页 |
| 2.1.2 BP 神经网络模型及粒子群优化神经网络 | 第23-26页 |
| 2.1.3 支持向量机模型及其回归模型 | 第26-31页 |
| 2.2 灰色关联分析方法 | 第31-32页 |
| 2.3 预测结果评价方法 | 第32-33页 |
| 2.3.1 平均相对百分比误差 | 第32-33页 |
| 2.3.2 均方根误差 | 第33页 |
| 2.3.3 标准均方误差 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 半球谐振陀螺仪漂移数据预处理与分析 | 第34-47页 |
| 3.1 半球谐振陀螺仪漂移数据 | 第34-35页 |
| 3.2 小波分析 | 第35-42页 |
| 3.2.1 小波分析简介 | 第35-36页 |
| 3.2.2 离散小波分析 | 第36页 |
| 3.2.3 常用小波函数系 | 第36-39页 |
| 3.2.4 小波分析结果 | 第39-42页 |
| 3.3 包络小波组合分析 | 第42-46页 |
| 3.3.1 包络分析简介 | 第42-43页 |
| 3.3.2 包络小波组合分析结果 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于半球谐振陀螺仪漂移数据的长寿命预测方法 | 第47-80页 |
| 4.1 局部数据预测分析 | 第47-60页 |
| 4.1.1 GM(1,1)与残差修正 GM(1,1)模型 | 第47-50页 |
| 4.1.1.1 GM(1,1)模型 | 第47-48页 |
| 4.1.1.2 残差修正 GM(1,1)模型 | 第48-49页 |
| 4.1.1.3 基于灰色模型的预测分析 | 第49-50页 |
| 4.1.2 粒子群优化 BP 神经网络预测分析 | 第50-51页 |
| 4.1.3 支持向量回归预测分析 | 第51-53页 |
| 4.1.4 ARGM(1,1)与残差修正 ARGM(1,1)预测 | 第53-56页 |
| 4.1.4.1 ARGM(1,1)模型 | 第53-54页 |
| 4.1.4.2 残差修正 ARGM(1,1)模型 | 第54-55页 |
| 4.1.4.3 基于 ARGM(1,1)模型的预测分析 | 第55-56页 |
| 4.1.5 局部数据预测结果分析 | 第56-60页 |
| 4.2 全局数据预测与分析 | 第60-63页 |
| 4.2.1 PSO-BP 神经网络与支持向量回归预测分析 | 第60-61页 |
| 4.2.2 GM(1,1)与残差修正 GM(1,1)预测分析 | 第61页 |
| 4.2.3 ARGM(1,1)与残差修正 ARGM(1,1)预测分析 | 第61-62页 |
| 4.2.4 全局数据预测结果分析 | 第62-63页 |
| 4.3 残差修正 GM(1,1)长寿命预测模型 | 第63-70页 |
| 4.3.1 基于残差修正 GM(1,1)的长寿命预测框架 | 第63-64页 |
| 4.3.2 残差修正 GM(1,1)长寿命预测与分析 | 第64-70页 |
| 4.4 残差修正 ARGM(1,1)长寿命预测模型 | 第70-78页 |
| 4.4.1 基于残差修正 ARGM(1,1)的长寿命预测框架 | 第70-71页 |
| 4.4.2 基于小波分析的残差修正 ARGM(1,1)预测与分析 | 第71-74页 |
| 4.4.3 基于包络小波组合分析的残差修正 ARGM(1,1)预测与分析 | 第74-78页 |
| 4.5 本章小结 | 第78-80页 |
| 第五章 总结与展望 | 第80-83页 |
| 5.1 本文总结 | 第80-81页 |
| 5.2 研究展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 在学期间的研究成果及发表的学术论文 | 第88页 |
