航空裝備故障診斷學(xué)

第1篇 原理篇
第1章 緒論
1.1 航空裝備故障診斷的研究與實踐
1.1.1 航空裝備故障診斷的本質(zhì)
1.1.2 航空裝備故障診斷的發(fā)展階段
1.1.3 航空裝備故障診斷的現(xiàn)狀與發(fā)展趨勢
1.2 航空裝備故障診斷學(xué)概述
1.2.1 航空裝備故障診斷學(xué)的定義
1.2.2 航空裝備故障診斷學(xué)的研究目的及意義
1.2.3 航空裝備故障診斷學(xué)的主要研究內(nèi)容
第2章 故障與故障診斷
2.1 航空裝備失效和故障的概念
2.1.1 航空裝備失效的概念
2.1.2 航空裝備故障的概念
2.2 航空裝備常見失效與故障模式
2.2.1 航空機械設(shè)備失效與故障的常見模式
2.2.2 航空電子元器件失效與故障的常見模式
2.3 航空裝備失效分析
2.3.1 失效分析的目的和任務(wù)
2.3.2 失效分析的主要工作內(nèi)容
2.3.3 機械零件和機械系統(tǒng)的失效分析方法
2.3.4 航空裝備失效分析的基本程序
2.4 航空裝備故障診斷的基本原理
2.4.1 故障診斷的一般流程
2.4.2 故障診斷的常用方法
2.4.3 航空裝備故障診斷系統(tǒng)
第3章 故障診斷信息處理
3.1 故障診斷中的信息及分類
3.1.1 基本概念
3.1.2 故障信息的分類
3.2 故障診斷中信息處理的一般過程
3.2.1 信息的獲取
3.2.2 信息的傳輸
3.2.3 信息的處理
3.3 故障診斷信息的獲取
3.3.1 裝備狀態(tài)信息的獲取
3.3.2 故障診斷知識的獲取
3.4 故障診斷中信息的預(yù)處理
3.4.1 采集環(huán)節(jié)的預(yù)處理
3.4.2 傳輸環(huán)節(jié)的預(yù)處理
3.5 故障診斷中信息的處理
3.5.1 測量信號分類
3.5.2 測試數(shù)據(jù)處理方法的分類
第2篇 方法篇
第4章 基于故障樹分析的故障診斷
4.1 故障樹分析的基本內(nèi)容
4.1.1 故障樹分析的起源
4.1.2 故障樹分析的基本概念
4.1.3 故障樹分析的步驟和建樹規(guī)則
4.2 故障樹的定性分析
4.2.1 故障樹定性分析概述
4.2.2 故障樹的數(shù)學(xué)描述
4.2.3 最小割集算法
4.3 故障樹的定量分析
4.3.1 故障樹定量分析的內(nèi)容
4.3.2 故障樹頂事件概率計算
4.3.3 故障樹重要度分析
4.4 航空裝備故障樹分析算例和系統(tǒng)開發(fā)實踐
4.4.1 基于故障樹分析的航空裝備故障診斷算例
4.4.2 基于故障樹分析的航空裝備故障診斷系統(tǒng)開發(fā)實踐
第5章 基于貝葉斯網(wǎng)絡(luò)的故障診斷
5.1 貝葉斯網(wǎng)絡(luò)的概率論基礎(chǔ)
5.1.1 貝葉斯理論
5.1.2 貝葉斯網(wǎng)絡(luò)
5.2 貝葉斯網(wǎng)絡(luò)推理
5.2.1 精確推理
5.2.2 近似推理
5.3 貝葉斯網(wǎng)絡(luò)學(xué)習
5.3.1 參數(shù)學(xué)習
5.3.2 結(jié)構(gòu)學(xué)習
5.4 貝葉斯網(wǎng)絡(luò)在裝備故障診斷中的應(yīng)用
第6章 基于模糊理論的故障診斷
6.1 模糊診斷理論基礎(chǔ)
6.1.1 模糊集合及其運算
6.1.2 模糊集合與經(jīng)典集合的聯(lián)系
6.1.3 隸屬函數(shù)
6.1.4 模糊關(guān)系和模糊關(guān)系矩陣
6.1.5 模糊度及其度量
6.2 航空裝備的模糊邏輯診斷
6.2.1 航空裝備故障診斷中的模糊性
6.2.2 模糊邏輯診斷模型
6.2.3 模糊診斷信息的獲取
6.2.4 模糊邏輯故障診斷方法
6.2.5 航空裝備模糊邏輯診斷實例
6.3 航空裝備的模糊聚類診斷
6.3.1 模糊聚類
6.3.2 模糊聚類診斷基本思想
6.3.3 基于模糊等價關(guān)系的模糊聚類診斷方法
6.3.4 模糊平均值聚類診斷方法
6.3.5 航空裝備模糊聚類診斷實例
第7章 基于粗糙集理論的故障診斷
7.1 粗糙集基本概念
7.1.1 知識與知識表達系統(tǒng)
7.1.2 不可分辨關(guān)系
7.1.3 粗糙集與近似
7.1.4 知識約簡與核
7.1.5 知識的依賴性與屬性重要性
7.1.6 區(qū)分矩陣與區(qū)分函數(shù)
7.2 基于粗糙集理論的智能故障診斷
7.2.1 數(shù)據(jù)預(yù)處理
7.2.2 屬性約簡
7.2.3 值約簡
7.3 航空裝備的粗糙集診斷案例
第8章 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷
8.1 人工神經(jīng)網(wǎng)絡(luò)的基本原理
8.1.1 人工神經(jīng)元模型
8.1.2 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成
8.1.3 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習
8.2 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷原理
8.2.1 模式識別的故障診斷神經(jīng)網(wǎng)絡(luò)
8.2.2 系統(tǒng)辨識的故障診斷神經(jīng)網(wǎng)絡(luò)
8.2.3 知識處理的故障診斷神經(jīng)網(wǎng)絡(luò)
8.3 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷模型設(shè)計
8.4 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法
8.4.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其學(xué)習算法
8.4.2 BP神經(jīng)網(wǎng)絡(luò)的改進算法
8.4.3 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
8.4.4 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法
8.4.5 在飛機火控系統(tǒng)故障診斷中的應(yīng)用
8.5 基于SOM神經(jīng)網(wǎng)絡(luò)的故障診斷方法
8.5.1 SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
8.5.2 SOM網(wǎng)絡(luò)的學(xué)習算法
8.5.3 基于SOM神經(jīng)網(wǎng)絡(luò)的故障診斷方法
8.5.4 在航空發(fā)動機故障診斷中的應(yīng)用
8.6 其他典型的神經(jīng)網(wǎng)絡(luò)故障診斷模型
8.6.1 集成神經(jīng)網(wǎng)絡(luò)
8.6.2 模糊神經(jīng)網(wǎng)絡(luò)
8.6.3 小波神經(jīng)網(wǎng)絡(luò)
第9章 基于案例的推理的故障診斷
9.1 CBR概述
9.1.1 CBR的起源及發(fā)展
9.1.2 CBR的基本思想
9.1.3 CBR與RBR的比較
9.1.4 CBR的應(yīng)用領(lǐng)域
9.2 CBR的關(guān)鍵步驟
9.2.1 案例的表示和存儲
9.2.2 案例的檢索策略
9.2.3 案例的相似性匹配
9.2.4 案例的適配
9.2.5 案例的學(xué)習
9.3 航空裝備故障診斷CBR系統(tǒng)
9.3.1 基于層次分類模型的案例庫組織
9.3.2 故障案例的檢索和匹配
9.3.3 基于專家評價的案例學(xué)習方式
9.3.4 系統(tǒng)實現(xiàn)
第10章 基于專家系統(tǒng)的故障診斷
……
第3篇 實踐篇
第11章 發(fā)動機狀態(tài)監(jiān)控與故障診斷
第12章 航空電子設(shè)備的故障診斷
第4篇 發(fā)展篇
第13章 嵌入式故障診斷發(fā)展動態(tài)與展望
第14章 遠程故障診斷發(fā)展動態(tài)與展望
參考文獻