声明
第一章 绪 论
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究历史与现状
(1)故障诊断技术兴起与发展
(2)故障诊断方法
(3)飞控系统故障诊断方法国内外研究现状
1.3.1 研究目标
1.3.2 主要工作
1.4 本文的结构安排
第二章 基于故障诊断的神经网络研究
2.1.1 结构组成
2.1.2 故障诊断思想
2.2 故障诊断常用的神经网络分析研究
(1)网络拓扑结构与相关参数计算
(2)激励函数
(3)学习规则
(4)特点与应用场景
2.3 本章小结
第三章 飞控系统故障诊断相关机理研究
3.1.1 工作原理
3.1.2 结构组成
3.1.3 余度配置
3.1.4 故障检测机制
3.2 飞控系统故障分析研究
3.2.1 故障来源
3.2.2 故障表征及原因
3.2.3 故障性质
3.3 飞控系统故障信息获取与初步诊断方法研究
3.3.1 故障信息获取方式
3.3.2 故障初步诊断方法
3.3.3 故障树建立实例化分析
3.4 本章小结
第四章 基于神经网络的飞控系统故障诊断方法研究与改进
4.1.1 神经网络诊断原因分析
4.1.2 神经网络模型比较与选取分析
4.2 基于飞控系统故障的RBF神经网络常规算法诊断分类性能研究
4.3 基于RBF神经网络的K均值聚类法研究与改进
4.3.1 K均值聚类法优化思路分析研究
4.3.2 基于数据密度的K均值聚类法优化研究
4.3.3 基于本文算法的RBF神经网络学习规则研究与实现
4.4 基于本文算法的RBF神经网络诊断性能训练测试验证
4.4.1 训练测试相关学习算法
4.4.2 基于公开数据集的诊断分类性能训练测试
4.4.3 基于飞控系统故障的诊断分类性能训练测试
4.4.4 基于飞控系统故障实例的诊断分类测试验证
4.5 本章小结
第五章 飞控系统故障诊断软件的设计实现与应用测试
5.1 某机型飞控系统故障诊断需求分析
5.2.1 总体架构设计
5.2.2 开发工具说明
5.3.1 后台故障信息获取模块
5.3.2 故障信息数据库模块
5.3.3 图形化故障树模块
5.3.4 故障诊断模块
5.4 软件应用测试
5.4.1 软件的发布安装与测试平台
5.4.2 软件测试步骤与结果
5.4.3 总体测试结果
5.5 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
电子科技大学;