目錄
第1章 緒論 1
1.1 模式識(shí)別的重要性 1
1.1.1 模式識(shí)別的概念 1
1.1.2 模式識(shí)別的發(fā)展歷史 2
1.1.3 模式識(shí)別技術(shù)的應(yīng)用 3
1.2 特征、特征向量和分類(lèi)器 5
1.3 有監(jiān)督、無(wú)監(jiān)督和半監(jiān)督學(xué)習(xí) 7
1.4 模式識(shí)別算法在航空工程領(lǐng)域的應(yīng)用 9
小結(jié) 9
習(xí)題 10
第2章 基于貝葉斯決策理論的分類(lèi)器 11
2.1 貝葉斯決策理論 11
2.2 貝葉斯學(xué)習(xí) 12
2.2.1 先驗(yàn)分布與后驗(yàn)分布 13
2.2.2 極大似然估計(jì) 14
2.2.3 最大后驗(yàn)估計(jì) 14
2.2.4 期望最大化算法 15
2.3 貝葉斯分類(lèi)器 16
2.3.1 樸素貝葉斯分類(lèi)器 16
2.3.2 貝葉斯網(wǎng)絡(luò) 17
2.4 錯(cuò)誤率 21
2.4.1 錯(cuò)誤率的估計(jì) 21
2.4.2錯(cuò)誤率的分析 22
小結(jié) 23
習(xí)題 24
第3章 判別函數(shù)分類(lèi)器 25
3.1 判別函數(shù) 25
3.1.1 判別函數(shù)的概念 25
3.1.2 常見(jiàn)的判別函數(shù) 26
3.2 線(xiàn)性分類(lèi)器 26
3.2.1 線(xiàn)性判別函數(shù)的概念 26
3.2.2 線(xiàn)性分類(lèi)器的實(shí)現(xiàn) 27
3.3 非線(xiàn)性分類(lèi)器 29
3.3.1 非線(xiàn)性判別函數(shù)的概念 29
3.3.2 非線(xiàn)性分類(lèi)器的實(shí)現(xiàn) 31
3.4 支持向量機(jī) 33
3.4.1 支持向量機(jī)的基礎(chǔ)理論 33
3.4.2 支持向量機(jī)的實(shí)現(xiàn) 33
小結(jié) 34
習(xí)題 34
第4章 聚類(lèi)分析 35
4.1 模式相似性測(cè)度 35
4.1.1 距離測(cè)度 36
4.1.2 相似測(cè)度 37
4.1.3 匹配測(cè)度 39
4.2 類(lèi)間距離測(cè)度方法 40
4.2.1 最短距離法 40
4.2.2 最長(zhǎng)距離法 40
4.2.3 中間距離法 40
4.2.4 重心法 40
4.2.5 平均距離法(類(lèi)平均距離法) 41
4.3 聚類(lèi)準(zhǔn)則函數(shù) 41
4.3.1 誤差平方和準(zhǔn)則 41
4.3.2 加權(quán)平均平方距離和準(zhǔn)則 42
4.3.3 類(lèi)間距離和準(zhǔn)則 42
4.3.4 離散度矩陣 42
4.4 基于距離閾值的聚類(lèi)算法 43
4.4.1 最近鄰規(guī)則聚類(lèi)算法 44
4.4.2 最大最小距離聚類(lèi)算法 44
4.5 動(dòng)態(tài)聚類(lèi)算法 44
4.5.1 K-均值聚類(lèi)算法 45
4.5.2 ISODATA聚類(lèi)算法 45
小結(jié) 48
習(xí)題 48
第5章 線(xiàn)性回歸 49
5.1 最小二乘法 49
5.1.1 最小二乘理論 49
5.1.2 最小二乘法的數(shù)學(xué)推導(dǎo) 50
5.2 梯度下降法 53
5.2.1 梯度下降的定義 54
5.2.2 梯度下降法的數(shù)學(xué)原理 54
5.2.2 梯度下降法實(shí)現(xiàn)回歸分析 55
5.3 多元線(xiàn)性回歸 56
5.3.1 多元線(xiàn)性回歸的定義 56
5.3.2 多元線(xiàn)性回歸的求解 57
5.4 邏輯回歸 57
5.4.1 邏輯回歸的定義 57
5.4.2 邏輯回歸的數(shù)學(xué)推導(dǎo) 57
小結(jié) 60
習(xí)題 60
第6章 神經(jīng)網(wǎng)絡(luò) 61
6.1 單層神經(jīng)網(wǎng)絡(luò) 61
6.1.1 單層神經(jīng)網(wǎng)絡(luò)的概念 62
6.1.2 單層神經(jīng)網(wǎng)絡(luò)的計(jì)算 62
6.2 多層神經(jīng)網(wǎng)絡(luò) 63
6.2.1 多層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 63
6.2.2 多層神經(jīng)網(wǎng)絡(luò)的前向計(jì)算 64
6.2.3 多層神經(jīng)網(wǎng)絡(luò)的誤差反向傳播 67
6.3 Softmax函數(shù)與熵?fù)p失函數(shù) 69
6.3.1 Soflmax函數(shù) 69
6.3.2 交叉熵?fù)p失函數(shù) 70
6.4 深度學(xué)習(xí) 74
6.4.1 卷積神經(jīng)網(wǎng)絡(luò) 75
6.4.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 79
6.4.3 長(zhǎng)短期記憶網(wǎng)絡(luò) 81
小結(jié) 82
習(xí)題 83
第7章 航空發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)故障診斷 84
7.1 概述 84
7.1.1 航空發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)故障診斷的意義 84
7.1.2 主軸承故障診斷拋分類(lèi) 84
7.1.3 轉(zhuǎn)子葉片故障診斷方法分類(lèi) 85
7.2 主軸承故障診斷技術(shù)與應(yīng)用效果 87
7.2.1 主軸承振動(dòng)信號(hào)特征 87
7.2.2 主軸承故障診斷技術(shù) 91
7.2.3 應(yīng)用效果 95
7.3 轉(zhuǎn)子葉片碰摩故障診斷技術(shù)與應(yīng)用效果 106
7.3.1 基于交叉散度熵的轉(zhuǎn)子葉片故障模式識(shí)別 106
7.3.2 基于對(duì)抗熵的轉(zhuǎn)子系統(tǒng)跨工況故障斷方法 114
小結(jié) 117
習(xí)題 117
第8章 基于深度學(xué)習(xí)的航空器壽命預(yù)測(cè) 118
8.1 背景介紹 118
8.1.1 航空器壽命預(yù)測(cè)的意義 118
8.1.2 深度學(xué)習(xí)在航空器壽命預(yù)測(cè)中的應(yīng)用 119
8.2 航空發(fā)動(dòng)機(jī)滾動(dòng)軸剩余使用壽命預(yù)測(cè)關(guān)鍵技術(shù)與應(yīng)用效果 120
8.2.1 航空發(fā)動(dòng)機(jī)滾動(dòng)軸承全壽命周期特點(diǎn) 120
8.2.2 滾動(dòng)軸承剩余使用壽命預(yù)測(cè)關(guān)鍵技術(shù) 121
8.2.3應(yīng)用效果 127
8.3 航空器動(dòng)力系統(tǒng)多源壽命預(yù)測(cè)關(guān)鍵技術(shù)與應(yīng)用效果 131
8.3.1 航空器動(dòng)力系統(tǒng)退化特征提取方法 131
8.3.2 航空器動(dòng)力系統(tǒng)多源壽命預(yù)測(cè)關(guān)鍵技術(shù) 132
8.3.3 應(yīng)用效果 133
小結(jié) 135
習(xí)題 135
第9章 無(wú)人機(jī)關(guān)鍵部件故障診斷 136
9.1 無(wú)人機(jī)故障診斷的背景介紹 136
9.1.1 無(wú)人機(jī)故障診斷的意義 136
9.1.2 無(wú)人機(jī)故障診斷方法分類(lèi) 137
9.2 無(wú)人機(jī)關(guān)鍵部件故障診斷技術(shù) 138
9.2.1 無(wú)人機(jī)傳感器故障注人技術(shù) 138
9.2.2 無(wú)人機(jī)多傳感器信息融合技術(shù) 138
9.3 應(yīng)用效果 139
9.3.1 四旋翼無(wú)人機(jī)數(shù)學(xué)模型的建立 139
9.3.2 無(wú)人機(jī)試驗(yàn)及數(shù)據(jù)預(yù)處理 143
9.3.3 基于深度學(xué)習(xí)的無(wú)人機(jī)傳感器故障診斷 149
小結(jié) 153
習(xí)題 153
第10章 航空液壓柱塞泵故障診斷 154
10.1 航空液壓柱塞泵的背景介紹 154
10.1.1 液壓柱塞菜的介紹與功能 154
10.1.2 液壓柱塞泵的常見(jiàn)故障及可能原因分析 156
10.1.3 航空液壓柱塞泵故_斷的意義 158
10.2 液壓柱塞栗組試驗(yàn)平臺(tái) 159
10.2.1 多功能泵組試驗(yàn)臺(tái)簡(jiǎn)介 159
10.2.2 數(shù)據(jù)采集系統(tǒng) 160
10.3 液壓柱塞栗故障試驗(yàn) 160
10.3.1 斜盤(pán)式恒壓變量柱塞泵結(jié)構(gòu)及常見(jiàn)故障模式 160
10.3.2 模擬故障類(lèi)型及故障件的加工 161
10.3.3 測(cè)點(diǎn)布置 161
10.4 液壓柱塞泵故障特征提取 162
10.4.1 單柱塞磨損故障特征提取 162
10.4.2 軸承外圈斷裂故障特征提取 174
小結(jié) 178
習(xí)題 178
第11章 控制力矩陀螺的健康狀態(tài)評(píng)估及異常檢測(cè) 179
11.1 控制力矩陀螺的背景介紹 179
11.1.1 控制力矩陀螺的介紹 179
11.1.2 控制力矩陀螺的功能 180
11.1.3 控制力矩陀螺的主要故障形式 181
11.2 控制力矩陀螺的健康狀態(tài)評(píng)估關(guān)鍵技術(shù)與應(yīng)用 182
11.2.1 控制力矩陀螺的健康狀態(tài)評(píng)估方法 182
11.2.2 基于控制力矩陀螺健康狀態(tài)的運(yùn)維策略 183
11.3 控制力矩陀螺的異常檢測(cè)關(guān)鍵技術(shù)與應(yīng)用效果 184
11.3.1 控制力矩陀螺的異常檢測(cè)方法 184
11.3.2 控制力矩陀螺異常狀態(tài)側(cè)案例 190
小結(jié) 192
習(xí)題 193
第12章 衛(wèi)星電池狀態(tài)監(jiān)測(cè)和壽命預(yù)測(cè) 194
12.1 衛(wèi)星電池的背景介紹 194
12.2 在軌衛(wèi)星電池運(yùn)行數(shù)據(jù)的特點(diǎn) 195
12.2.1 中高軌道衛(wèi)星電池工況 195
12.2.2 低軌道衛(wèi)星電池工況 198
12.3 基于改進(jìn)的容量增量分析的衛(wèi)星電池健康狀態(tài)評(píng)估方法 199
12.3.1 基于SD-ICA的SOH計(jì)算 200
12.3.2 基于SD-ICA的電池健康狀態(tài)評(píng)估方法驗(yàn)證 200
12.4 基于部分變異重采樣粒子濾波的壽命預(yù)測(cè)方法 207
12.4.1 基于PMR-PF的衛(wèi)星電池壽命預(yù)測(cè)流程 207
12.4.2 基于PMR-PF的電池RUL預(yù)測(cè)方法驗(yàn)證 209
小結(jié) 215
習(xí)題 215
習(xí)題答案 216
參考文獻(xiàn) 217