第1章 緒論

1.1 飛行參數記錄繫統

1.1.1 概述

1.1.2 發展演化

1.1.3 軍事領域應用

1.2 面向飛行數據的應用研究

1.2.1 基本概念

1.2.2 研究現狀

1.3 本書研究範疇與主要內容

第2章 飛行數據預處理

2.1 基於支持度的飛行數據遺忘記憶融合濾波方法

2.1.1 飛行數據統一誤差模型

2.1.2 基於支持度的遺忘記憶融合濾波算法

2.1.3 應用實例與結論

2.2 基於綜合加權優化的飛行數據空缺值填充方法

2.2.1 基於混合算法的改進神經網絡模型

2.2.2 基於小二乘法的多項式擬合模型

2.2.3 空缺值綜合加權填充方法

2.2.4 仿真分析與結論

2.3 基於虛擬傳感器技術的飛行數據擴展方法

2.3.1 擬傳感器技術概述

2.3.2 基於發動機模型的虛擬飛行數據擴展

2.3.3 基於BP網絡的虛擬飛行數據擴展

2.4 基於自擴充遺傳算法的可監控特征參數選擇方法

2.4.1 特征選擇與遺傳算法

2.4.2 自擴充遺傳算法

2.4.3 實例驗證與評估

2.5 飛行數據的混沌特性分析

2.5.1 混沌序列相空間重構的數學描述

2.5.2 混沌特性分析驗證

第3章 飛行數據的典型時序分析

3.1 ARMA模型分析基礎

3.1.1 數學模型

3.1.2 建模過程

3.1.3 模型參數估計

3.1.4 模型適用性檢驗

3.1.5 預測

3.2 基於AR模型的參數監控方法

3.2.1 飛機穩定工作狀態的描述

3.2.2 基於規則推理機的監控參數提取

3.2.3 基於AR模型的均值極差監控方法

3.2.4 實例分析與效果評估

第4章 飛行數據相似性搜索

4.1 時間序列相似性分析方法

4.1.1 概述

4.1.2 時間序列降方法

4.1.3 時間序列相似性度量方法

4.2 基於斜率距離的時間序列相似性搜索方法

4.2.1 時間序列的斜率集表示

4.2.2 時間序列的斜率距離

4.2.3 基於斜率距離的飛行數據聚類驗證

4.3 基於角度距離的時間序列相似性搜索方法

4.3.1 時間序列的角度描述方法

4.3.2 時間序列的角度距離及相似性搜索算法

4.3.3 基於角度距離的飛行數據聚類驗證

4.4 基於曲率距離的時間序列相似性搜索方法

4.4.1 數據預處理

4.4.2 曲率集表示

4.4.3 曲率距離及相似性搜索算法

4.4.4 基於曲率距離的飛行數據聚類驗證

4.5 變步長曲線序列相似性搜索方法

4.5.1 分段線性化表示

4.5.2 變步長索引標識

4.5.3 變步長分箱相似性搜索算法

4.5.4 基於變步長曲線飛行數據聚類驗證

4.6 基於關聯矩陣QR分序列相似性搜索方法

4.6.時間序列的矩陣及圖形表示

4.6.時間序列的關聯表示

4.6.時間序列的QR距離

4.6.4 基於關聯矩陣QR分解的飛行數據聚類驗證

第5章 面向飛行數據的狀態監控與趨勢預測

5.1 基於變柵格技術的飛機設備狀態監控方法

5.1.1 高維數據聚類方法

5.1.2 基於密度的聚類算法

5.1.3 變柵格收縮聚類算法

5.1.4 飛行設備狀態收縮聚類監控實例

5.2 基於專家繫統的突變性故障診斷方法

5.2.1 專家繫統理論

5.2.2 飛機設備故障診斷專家繫統功能

5.2.3 繫統具體實現及效果評價

5.3 基於分析的漸變性故障診斷方法

5.3.分析法

5.3.2 分析法

5.3.3 基於分析的故障診斷算法

5.3.4 故障診斷仿真驗證

5.4 基於加權小二乘支持向量機的發動機狀態參數預測

5.4.1 支持向量機的基本理論

5.4.2 加權小二乘支持向量機算法

5.4.3 加權小二乘支持向量機參數預測模型

5.4.4 應用實例

5.5 基於混沌序列的發動機狀態參數預測

5.5.1 混沌及混沌序列

5.5.2 預測模型

5.5.3 模型應用

第6章 飛行數據挖掘原型繫統的設計與實現

6.1 數據挖掘繫統

6.2 飛行數據倉庫建模

6.2.1 飛行數據的特殊性質

6.2.2 飛行數據挖掘的目標

6.2.3 飛行數據倉庫建模

6.3 原型繫統的設計與開發

6.3.1 總體設計

6.3.2 繫統數據流程

6.3.3 繫統工作流程

6.3.4 繫統主要功能

6.4 小結

參考文獻