《基于支持向量機的飛機故障診斷技術》系統(tǒng)介紹了飛機的狀態(tài)監(jiān)控系統(tǒng)以及飛行數(shù)據(jù)的地面獲取途徑，并總結和分析了機載設備性能指標的特點；系統(tǒng)的介紹了支持向量機原理，分析了建立支持向量分類機和回歸機需要解決的問題，并將支持向量回歸機推廣應用于多分類問題；對支持向量分類機進行訓練，解決了參數(shù)的選取以及降低訓練過程的計算復雜度問題，利用UCI數(shù)據(jù)庫對方法進行了評估和分析。
第1章 緒論
1．1 基于支持向量機的飛機故障診斷方法的意義
1．2 PHM技術應用現(xiàn)狀
1．2．1 PHM的功能及結構
1．2．2 國外PHM技術的應用現(xiàn)狀
1．2．3 國內(nèi)PHM技術的應用現(xiàn)狀
1．2．4 PHM目前存在的問題
1．3 故障診斷與故障預報技術研究現(xiàn)狀
1．3．1 故障診斷技術
1．3．2 故障預報技術
1．4 支持向量機理論研究現(xiàn)狀
1．4．1 支持向量機學習算法
1．4．2 支持向量機參數(shù)選取方法
1．4．3 支持向量機模型算法驗證
第2章 支持向量機簡介
2．1 支持向量分類機
2．1．1 最優(yōu)分類面
2．1．2 核函數(shù)
2．1．3 多分類支持向量機
2．2 支持向量回歸機
2．2．1 ￡一帶超平面
2．2．2 SVR模型推廣于構造多分類器
2．3 支持向量機訓練算法
第3章 支持向量分類模型研究
3．1 概述
3．1．1 SVC算法流程
3．1．2 待解決的問題
3．2 SVC的SMO算法實現(xiàn)
3．3 SVC的參數(shù)選取
3．3．1 高斯核參數(shù)a
3．3．2 懲罰因子C
3．4 實驗分析
第4章 支持向量回歸模型研究
4．1 概述
4．1．1 SVR算法流程
4．1．2 待解決的問題
4．2 SVR的SM~）算法實現(xiàn)
4．3 SVR的參數(shù)選取
4．3．1 高斯核參數(shù)a
4．3．2 懲罰因子C
4．3．3 不敏感損失參數(shù)e
4．4 實驗分析
第5章 基于支持向量機的不確定性問題處理
5．1 概述
5．2 建模
5．3 模型求解
5．3．1 對偶問題
5．3．2 KKT條件
5．3．3 SMO算法求解
5．4 實驗分析
5．4．1 算法分析
5．4．2 參數(shù)分析
第6章 飛機狀態(tài)監(jiān)控系統(tǒng)及其監(jiān)測指標分析
6．1 飛機狀態(tài)監(jiān)控系統(tǒng)（ACMS）
6．1．1 ACMS的組成與功能
6．1．2 飛行數(shù)據(jù)獲取方式
6．2 機載設備性能指標
6．2．1 機載設備工作性能的表示
6．2．2 航空發(fā)動機性能評價指標
6．2．3 機體結構性能評價指標
6．3 發(fā)動機性能指標監(jiān)測序列的特點分析
6．3．1 綜合分析
6．3．2 平穩(wěn)性分析
6．3．3 趨勢性分析
第7章 飛行數(shù)據(jù)預處理
7．1 概述
7．1．1 異常值辨識方法
7．1．2 噪聲去除方法
7．2 異常值辨識與剔除
7．2．1 不合趨勢項監(jiān)測序列的異常值辨識與剔除算法
7．2．2 含趨勢項監(jiān)測序列的異常值辨識與剔除算法
7．3 基于奇異值分解的濾波消噪方法
第8章 支持向量機應用分析
8．1 概述
8．2 航空電子設備故障診斷
8．2．1 實驗1標準濾波電路
8．2．2 實驗2線性中放電路
8．2．3 規(guī)則提取驗證
8．3 航空發(fā)動機故障預報
8．3．1 性能參數(shù)預測
8．3．2 壽命監(jiān)控與異常檢測
第9章 飛行數(shù)據(jù)驅(qū)動的健康管理系統(tǒng)
9．1 系統(tǒng)設計
9．1．1 功能設計
9．1．2 總體結構
9．2 維護系統(tǒng)設計
9．2．1 功能和結構
9．2．2 數(shù)據(jù)庫設計
9．3 故障診斷系統(tǒng)設計
9．3．1 功能和結構
9．3．2 推理診斷功能模塊的設計
9．3．3 自學習功能模塊的設計
9．4 故障預測系統(tǒng)設計
9．4．1 功能和結構
9．4．2 自回歸滑動平均模型
參考文獻
書單推薦
