| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题研究背景和意义 | 第12-14页 |
| ·课题研究背景 | 第12页 |
| ·健康诊断的原理和意义 | 第12-14页 |
| ·健康诊断技术研究现状 | 第14-16页 |
| ·健康诊断技术发展历史 | 第14-15页 |
| ·国外研究现状 | 第15页 |
| ·国内研究现状 | 第15-16页 |
| ·本课题研究内容 | 第16页 |
| ·内容安排 | 第16-18页 |
| 第2章 信号处理技术 | 第18-28页 |
| ·小波变换理论 | 第18-24页 |
| ·连续小波变换 | 第19-21页 |
| ·离散小波变换 | 第21-23页 |
| ·Mallat 算法 | 第23-24页 |
| ·经验模态分解理论 | 第24-28页 |
| ·特征尺度参数 | 第24-25页 |
| ·内禀模态函数 | 第25-26页 |
| ·EMD 方法----“筛分”经验模态分解 | 第26-28页 |
| 第3章 飞机水平尾翼健康状况特征提取 | 第28-35页 |
| ·基于小波变换的飞机水平尾翼特征提取 | 第28-30页 |
| ·基于经验模态分解方法的飞机水平尾翼特征提取 | 第30-35页 |
| ·内禀模态能量 | 第31-32页 |
| ·HHT 特征能量 | 第32-33页 |
| ·IMF 奇异值 | 第33-35页 |
| 第4章 飞机水平尾翼的健康诊断实验研究 | 第35-61页 |
| ·基于支持向量机的飞机水平尾翼健康诊断 | 第35-45页 |
| ·支持向量机方法 | 第35-37页 |
| ·基于小波分解和SVM 的飞机水平尾翼诊断方法 | 第37-42页 |
| ·基于 EMD 方法和 SVM 的水平尾翼健康诊断 | 第42-45页 |
| ·基于PNN 的飞机水平尾翼健康诊断 | 第45-50页 |
| ·PNN 方法 | 第45-46页 |
| ·基于小波分解和 PNN 的飞机水平尾翼诊断方法 | 第46-49页 |
| ·基于 EMD 方法和 PNN 的水平尾翼健康诊断 | 第49-50页 |
| ·基于 Elman 网络的飞机水平尾翼健康诊断 | 第50-57页 |
| ·Elman 神经网络 | 第50-52页 |
| ·基于小波变换和 Elman 的飞机水平尾翼诊断 | 第52-55页 |
| ·基于 EMD 方法和 Elman 网络的水平尾翼健康诊断 | 第55-57页 |
| ·基于包络谱的飞机水平尾翼健康诊断 | 第57-61页 |
| 第5章 不同诊断方法的分析比较 | 第61-64页 |
| ·同诊断方法不同特征向量诊断结果分析 | 第61-62页 |
| ·同特征向量不同诊断方法诊断结果分析 | 第62页 |
| ·小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 附录Ⅰ支持向量机部分程序清单 | 第66-68页 |
| 附录Ⅱ概率神经网络部分程序清单 | 第68-69页 |
| 附录Ⅲ Elman 神经网络部分程序清单 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第73页 |
