航空发动机的智能诊断、建模与预测方法
出版时间：2013年版
内容简介
　　预测与健康管理是未来先进航空发动机飞行安全，减少维修保障费用实施新型维修保障体制的支撑技术。以现代机器学习为基础的数据挖掘方法是关联装备运行信息与装备运行安全、装备维修保障的重要工具，是当前预测与健康管理理论和应用研究的热点。《航空发动机的智能诊断、建模与预测方法》紧跟预测与健康管理技术发展前沿，以现代机器学习为研究手段，详细总结、介绍了作者在航空发动机智能诊断、建模和预测方法研究中取得的最新成果。
目录
序
前言
第1章 绪论
1．1 航空发动机预测与健康管理概述
1．2 航空发动机诊断和预测方法及发展现状
1．2．1 航空发动机诊断和预测的技术途径及发展概况
1．2．2 航空发动机诊断和预测有代表性的数据挖掘方法
1．2．3 存在的主要问题
1．3 主要研究成果及本书章节安排
1．3．1 支持向量机方法及其应用
1．3．2 覆盖机器学习理论及其应用
1．3．3 核多元统计方法及其应用
1．3．4 进化计算和免疫计算方法及其应用
1．3．5 本书章节安排
参考文献
第2章 支持向量机方法及应用
2．1 支持向量机的基本算法
2．1．1 线性支持向量机
2．1．2 广义线性支持向量机
2．1．3 支持向量的定义
2．1．4 核函数技巧与内积
2．1．5 非线性支持向量机
2．1．6 补充说明
2．2 支持向量机分类算法
2．2．1 C-SVM
2．2．2 ySVM
2．2．3 One-Class SVM
2．2．4 LS-SVM
2．2．5 多类支持向量机方法
2．3 支持向量机回归算法
2．3．1 数学描述
2．3．2 不敏感损失函数
2．3．3 回归SVM
2．3．4回归LS-VM
2．3．5 稀疏回归LS-SVM
2．3．6 在线回归LS-SVM
2．4 支持向量机求解算法
2．4．1 块算法
2．4．2 分解算法
2．4．3 顺序最小优化方法
2．4．4 其他算法
2．5 支持向量机诊断理论应用
2．5．1 SVM分类算法应用模式
2．5．2 基于SVM的航空发动机故障诊断
2．5．3 基于SVM的AdaBoost故障诊断方法
2．6 支持向量机建模与预测理论及其应用
2．6．1 SVM回归应用模型
2．6．2 基于SVM的航空发动机起动过程建模与应用
2．6．3 基于SVM的早期故障预示研究
2．6．4 基于LS-SVM的航空发动机动态过程建模
2．6．5 基于SVM的压气机低转速特性建模
参考文献
第3章 覆盖机器学习理论及应用
3．1 覆盖机器学习模型
3．1．1 覆盖机器学习模型化
3．1．2 核学习机MEB等价表征
3．1．3 核学习机广义MEB等价表征
3．1．4 核学习机与MEB关系性质
3．2 MEB核心集快速实现算法
3．2．1 最小MEB算法现状
3．2．2 最优核心集MEB算法
3．2．3 严格核心集MEB算法
3．2．4 新算法理论分析
3．3 结构覆盖分类学习机
3．3．1 理论背景
3．3．2 向量值分类SVM模型
3．3．3 结构覆盖分类算法
……
第4章 核多元统计方法及应用
第5章 进化计算和人工免疫方法及应用
第6章 航空发动机PHM数据挖掘问题及技术挑战




上一篇: 可怕的科学：鏖战飞行
下一篇: 典型航空发动机结构对比与分析