基于支持向量机的飞机故障诊断技术

基于支持向量机的飞机故障诊断技术
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: , , ,
2016-05
版次: 1
ISBN: 9787118106275
定价: 79.00
装帧: 精装
开本: 32开
纸张: 胶版纸
页数: 192页
字数: 180千字
正文语种: 简体中文
分类: 工程技术
6人买过
  •   《基于支持向量机的飞机故障诊断技术》系统介绍了飞机的状态监控系统以及飞行数据的地面获取途径,并总结和分析了机载设备性能指标的特点;系统的介绍了支持向量机原理,分析了建立支持向量分类机和回归机需要解决的问题,并将支持向量回归机推广应用于多分类问题;对支持向量分类机进行训练,解决了参数的选取以及降低训练过程的计算复杂度问题,利用UCI数据库对方法进行了评估和分析。 第1章 绪论
    1.1 基于支持向量机的飞机故障诊断方法的意义
    1.2 PHM技术应用现状
    1.2.1 PHM的功能及结构
    1.2.2 国外PHM技术的应用现状
    1.2.3 国内PHM技术的应用现状
    1.2.4 PHM目前存在的问题
    1.3 故障诊断与故障预报技术研究现状
    1.3.1 故障诊断技术
    1.3.2 故障预报技术
    1.4 支持向量机理论研究现状
    1.4.1 支持向量机学习算法
    1.4.2 支持向量机参数选取方法
    1.4.3 支持向量机模型算法验证

    第2章 支持向量机简介
    2.1 支持向量分类机
    2.1.1 最优分类面
    2.1.2 核函数
    2.1.3 多分类支持向量机
    2.2 支持向量回归机
    2.2.1 £一带超平面
    2.2.2 SVR模型推广于构造多分类器
    2.3 支持向量机训练算法

    第3章 支持向量分类模型研究
    3.1 概述
    3.1.1 SVC算法流程
    3.1.2 待解决的问题
    3.2 SVC的SMO算法实现
    3.3 SVC的参数选取
    3.3.1 高斯核参数a
    3.3.2 惩罚因子C
    3.4 实验分析

    第4章 支持向量回归模型研究
    4.1 概述
    4.1.1 SVR算法流程
    4.1.2 待解决的问题
    4.2 SVR的SM~)算法实现
    4.3 SVR的参数选取
    4.3.1 高斯核参数a
    4.3.2 惩罚因子C
    4.3.3 不敏感损失参数e
    4.4 实验分析

    第5章 基于支持向量机的不确定性问题处理
    5.1 概述
    5.2 建模
    5.3 模型求解
    5.3.1 对偶问题
    5.3.2 KKT条件
    5.3.3 SMO算法求解
    5.4 实验分析
    5.4.1 算法分析
    5.4.2 参数分析

    第6章 飞机状态监控系统及其监测指标分析
    6.1 飞机状态监控系统(ACMS)
    6.1.1 ACMS的组成与功能
    6.1.2 飞行数据获取方式
    6.2 机载设备性能指标
    6.2.1 机载设备工作性能的表示
    6.2.2 航空发动机性能评价指标
    6.2.3 机体结构性能评价指标
    6.3 发动机性能指标监测序列的特点分析
    6.3.1 综合分析
    6.3.2 平稳性分析
    6.3.3 趋势性分析

    第7章 飞行数据预处理
    7.1 概述
    7.1.1 异常值辨识方法
    7.1.2 噪声去除方法
    7.2 异常值辨识与剔除
    7.2.1 不合趋势项监测序列的异常值辨识与剔除算法
    7.2.2 含趋势项监测序列的异常值辨识与剔除算法
    7.3 基于奇异值分解的滤波消噪方法

    第8章 支持向量机应用分析
    8.1 概述
    8.2 航空电子设备故障诊断
    8.2.1 实验1标准滤波电路
    8.2.2 实验2线性中放电路
    8.2.3 规则提取验证
    8.3 航空发动机故障预报
    8.3.1 性能参数预测
    8.3.2 寿命监控与异常检测

    第9章 飞行数据驱动的健康管理系统
    9.1 系统设计
    9.1.1 功能设计
    9.1.2 总体结构
    9.2 维护系统设计
    9.2.1 功能和结构
    9.2.2 数据库设计
    9.3 故障诊断系统设计
    9.3.1 功能和结构
    9.3.2 推理诊断功能模块的设计
    9.3.3 自学习功能模块的设计
    9.4 故障预测系统设计
    9.4.1 功能和结构
    9.4.2 自回归滑动平均模型

    参考文献
  • 内容简介:
      《基于支持向量机的飞机故障诊断技术》系统介绍了飞机的状态监控系统以及飞行数据的地面获取途径,并总结和分析了机载设备性能指标的特点;系统的介绍了支持向量机原理,分析了建立支持向量分类机和回归机需要解决的问题,并将支持向量回归机推广应用于多分类问题;对支持向量分类机进行训练,解决了参数的选取以及降低训练过程的计算复杂度问题,利用UCI数据库对方法进行了评估和分析。
  • 目录:
    第1章 绪论
    1.1 基于支持向量机的飞机故障诊断方法的意义
    1.2 PHM技术应用现状
    1.2.1 PHM的功能及结构
    1.2.2 国外PHM技术的应用现状
    1.2.3 国内PHM技术的应用现状
    1.2.4 PHM目前存在的问题
    1.3 故障诊断与故障预报技术研究现状
    1.3.1 故障诊断技术
    1.3.2 故障预报技术
    1.4 支持向量机理论研究现状
    1.4.1 支持向量机学习算法
    1.4.2 支持向量机参数选取方法
    1.4.3 支持向量机模型算法验证

    第2章 支持向量机简介
    2.1 支持向量分类机
    2.1.1 最优分类面
    2.1.2 核函数
    2.1.3 多分类支持向量机
    2.2 支持向量回归机
    2.2.1 £一带超平面
    2.2.2 SVR模型推广于构造多分类器
    2.3 支持向量机训练算法

    第3章 支持向量分类模型研究
    3.1 概述
    3.1.1 SVC算法流程
    3.1.2 待解决的问题
    3.2 SVC的SMO算法实现
    3.3 SVC的参数选取
    3.3.1 高斯核参数a
    3.3.2 惩罚因子C
    3.4 实验分析

    第4章 支持向量回归模型研究
    4.1 概述
    4.1.1 SVR算法流程
    4.1.2 待解决的问题
    4.2 SVR的SM~)算法实现
    4.3 SVR的参数选取
    4.3.1 高斯核参数a
    4.3.2 惩罚因子C
    4.3.3 不敏感损失参数e
    4.4 实验分析

    第5章 基于支持向量机的不确定性问题处理
    5.1 概述
    5.2 建模
    5.3 模型求解
    5.3.1 对偶问题
    5.3.2 KKT条件
    5.3.3 SMO算法求解
    5.4 实验分析
    5.4.1 算法分析
    5.4.2 参数分析

    第6章 飞机状态监控系统及其监测指标分析
    6.1 飞机状态监控系统(ACMS)
    6.1.1 ACMS的组成与功能
    6.1.2 飞行数据获取方式
    6.2 机载设备性能指标
    6.2.1 机载设备工作性能的表示
    6.2.2 航空发动机性能评价指标
    6.2.3 机体结构性能评价指标
    6.3 发动机性能指标监测序列的特点分析
    6.3.1 综合分析
    6.3.2 平稳性分析
    6.3.3 趋势性分析

    第7章 飞行数据预处理
    7.1 概述
    7.1.1 异常值辨识方法
    7.1.2 噪声去除方法
    7.2 异常值辨识与剔除
    7.2.1 不合趋势项监测序列的异常值辨识与剔除算法
    7.2.2 含趋势项监测序列的异常值辨识与剔除算法
    7.3 基于奇异值分解的滤波消噪方法

    第8章 支持向量机应用分析
    8.1 概述
    8.2 航空电子设备故障诊断
    8.2.1 实验1标准滤波电路
    8.2.2 实验2线性中放电路
    8.2.3 规则提取验证
    8.3 航空发动机故障预报
    8.3.1 性能参数预测
    8.3.2 寿命监控与异常检测

    第9章 飞行数据驱动的健康管理系统
    9.1 系统设计
    9.1.1 功能设计
    9.1.2 总体结构
    9.2 维护系统设计
    9.2.1 功能和结构
    9.2.2 数据库设计
    9.3 故障诊断系统设计
    9.3.1 功能和结构
    9.3.2 推理诊断功能模块的设计
    9.3.3 自学习功能模块的设计
    9.4 故障预测系统设计
    9.4.1 功能和结构
    9.4.2 自回归滑动平均模型

    参考文献
查看详情
12
相关图书 / 更多
基于支持向量机的飞机故障诊断技术
基于TensorFlow的深度学习:神经网络、计算机视觉和NLP的理论与实践 [美]马格努斯·埃克曼 周翊民 译
(美)马格努斯·埃克曼
基于支持向量机的飞机故障诊断技术
基于学习科学的有效教学
梁林梅
基于支持向量机的飞机故障诊断技术
基于“数字城市”建设的数据产权制度研究
刘岩,田强,赵家琦
基于支持向量机的飞机故障诊断技术
基于R-INLA的SPDE空间模型的高级分析
Elias Krainski, Virg
基于支持向量机的飞机故障诊断技术
基于Python的GIS空间分析
高培超 谢一茹 叶思菁 宋长青/编著
基于支持向量机的飞机故障诊断技术
基于复杂网络的突发公共卫生事件应急管理系统研究:以高校突发公共卫生事件防控为例
于洪浩
基于支持向量机的飞机故障诊断技术
基于学习任务群的高中语文教学探索
吕洋 主编
基于支持向量机的飞机故障诊断技术
基于R的语言研究多变量分析
吴诗玉
基于支持向量机的飞机故障诊断技术
基于数据挖掘技术的中国日语学习者习得研究
毛文伟, 著
基于支持向量机的飞机故障诊断技术
基于Agent的系统仿真导论 [美] 尤里·威伦斯基
(美) 尤里·威伦斯基 (美)威廉·兰特
基于支持向量机的飞机故障诊断技术
基于项目教学的职业教育课程开发研究与实践
深圳职业技术大学
基于支持向量机的飞机故障诊断技术
基于深度学习的自然语言处理和语音识别 [美]乌黛·卡马特
(美)乌黛·卡马特, (美)约翰·刘, (美)詹姆斯·惠特克
您可能感兴趣 / 更多
基于支持向量机的飞机故障诊断技术
基于飞行数据的民航飞机故障诊断专家系统
郎荣玲、潘磊、吕永乐 著