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(shù)應(yīng)用現(xiàn)狀
1．2．1 PHM的功能及結(jié)構(gòu)
1．2．2 國外PHM技術(shù)的應(yīng)用現(xiàn)狀
1．2．3 國內(nèi)PHM技術(shù)的應(yīng)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(yù)報技術(shù)研究現(xiàn)狀
1．3．1 故障診斷技術(shù)
1．3．2 故障預(yù)報技術(shù)
1．4 支持向量機理論研究現(xiàn)狀
1．4．1 支持向量機學(xué)習(xí)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(gòu)造多分類器
2．3 支持向量機訓(xùn)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(biāo)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(shè)備性能指標(biāo)
6．2．1 機載設(shè)備工作性能的表示
6．2．2 航空發(fā)動機性能評價指標(biāo)
6．2．3 機體結(jié)構(gòu)性能評價指標(biāo)
6．3 發(fā)動機性能指標(biāo)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(yù)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(yīng)用分析
8．1 概述
8．2 航空電子設(shè)備故障診斷
8．2．1 實驗1標(biāo)準(zhǔn)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(yù)報
8．3．1 性能參數(shù)預(yù)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(shè)計
9．1．1 功能設(shè)計
9．1．2 總體結(jié)構(gòu)
9．2 維護系統(tǒng)設(shè)計
9．2．1 功能和結(jié)構(gòu)
9．2．2 數(shù)據(jù)庫設(shè)計
9．3 故障診斷系統(tǒng)設(shè)計
9．3．1 功能和結(jié)構(gòu)
9．3．2 推理診斷功能模塊的設(shè)計
9．3．3 自學(xué)習(xí)功能模塊的設(shè)計
9．4 故障預(yù)測系統(tǒng)設(shè)計
9．4．1 功能和結(jié)構(gòu)
9．4．2 自回歸滑動平均模型

參考文獻