第1章 概述 1
1.1液体导弹发动机故障诊断与建立监控系统的必要性 1
1.2液体导弹发动机故障诊断技术的历史与发展 3
1.3液体导弹发动机故障诊断的发展趋势 8
第2章 液体导弹发动机的故障模式和机理分析 10
2.1引言 10
2.2液体导弹发动机的结构组成 10
2.3液体导弹发动机的故障模式分析 11
2.4液体导弹发动机的故障机理分析 12
2.4.1推力室及燃气发生器 12
2.4.2涡轮泵 15
2.4.3密封件 22
2.5液体导弹发动机标准故障模式的建立 24
第3章 液体导弹发动机故障模型的分析方法 28
3.1引言 28
3.2液体导弹发动机工作过程 28
3.3液体导弹发动机稳态过程模型 29
3.3.1液体在管路中的流动分析 29
3.3.2发动机部件工作特性方程 30
3.3.3发动机参数平衡模型 35
3.3.4发动机部件故障特性方程 36
3.3.5一级发动机稳态过程模型的建立 41
3.3.6二级发动机稳态过程模型的建立 41
3.4液体导弹发动机动态过程模型 42
3.4.1推力室 42
3.4.2燃气发生器 44
3.4.3涡轮泵系统 44
3.4.4液体管路系统 46
3.4.5自生增压系统 49
3.4.6一级发动机动态过程模型的建立 53
3.4.7二级发动机动态过程模型的建立 53
第4章 液体导弹发动机故障特性分析 54
4.1稳态故障模式特性分析 54
4.1.1发动机稳态模型的数值解法 55
4.1.2静态特性仿真分析 55
4.1.3基于Hopfield神经网络的数值解法 56
4.1.4发动机稳态故障分析 60
4.1.5基于蚁群算法的二级发动机稳态故障分析 63
4.1.6基于进化计算的发动机故障特性分析 67
4.1.7发动机稳态故障模式获取 77
4.2动态故障模式分析 78
4.2.1发动机动态模型的数值解法 78
4.2.2发动机动态故障分析 80
4.3综合故障分析 87
4.4故障的可分离性与可检测性 89
4.4.1故障的可分离性 90
4.4.2故障的可检测性与可诊断性 90
第5章 基于人工神经网络的导弹发动机故障诊断方法 91
5.1人工神经网络理论概述 91
5.1.1神经网络的基本知识 92
5.1.2 BP网络及其改进算法 93
5.2神经网络的故障诊断原理 96
5.3神经网络输入数据的模糊前置处理 97
5.4基于BP神经网络的故障诊断方法 99
5.5基于RBF神经网络的故障诊断方法 107
5.5.1 RBF神经网络 107
5.5.2应用实例 111
5.5.3计算结果及分析 113
5.6基于改进型ART2神经网络的故障诊断方法 114
5.6.1无师学习网络模型的选择 115
5.6.2 ART神经网络的基本结构及其理论 117
5.6.3 ART2算法的改进 119
5.6.4改进ART2算法的实现 121
5.6.5故障诊断实例 122
5.7基于FTART神经网络的故障诊断方法 124
5.7.1 FTART结构及基本理论 124
5.7.2 FTART网络的改进及其数学描述 125
5.7.3 FTART网络的设计 127
5.7.4 FTART网络诊断实例及分析 128
第6章 基于小波变换的故障诊断方法 130
6.1小波变换理论 130
6.1.1概述 130
6.1.2小波分析的基本理论 132
6.2基于小波分析的液体导弹发动机故障诊断 140
6.2.1小波包分解及特征提取 140
6.2.2时序建模方法及其应用 140
6.2.3谐波小波及其应用 144
6.2.4涡轮泵振动异常趋势的监测与诊断方法 150
6.2.5基于小波分析的涡轮泵次同步进动故障分析 151
6.2.6基于小波神经网络的发动机故障诊断 153
第7章 基于人工免疫系统的故障诊断方法 157
7.1人工免疫系统 157
7.1.1生物免疫系统 157
7.1.2人工免疫系统 160
7.2否定选择原理在液体导弹发动机故障检测与诊断中的应用 162
7.2.1否定选择算法 162
7.2.2应用实例与分析 164
7.3克隆选择原理在液体导弹发动机启动过程仿真中的应用 171
7.3.1克隆选择原理与算法 171
7.3.2应用实例与分析 173
第8章 基于模糊理论的故障诊断方法 180
8.1模糊故障诊断理论 180
8.1.1模糊理论基础 180
8.1.2基于模糊理论的故障诊断 181
8.2基于模糊模式识别技术的故障诊断方法 182
8.2.1模糊模式识别基本理论 182
8.2.2基于样本法构造隶属函数的模糊模式识别 185
8.2.3基于多元隶属函数法的模糊模式识别 188
8.3基于模糊聚类分析的故障诊断方法 191
8.3.1模糊等价矩阵动态聚类分析法 192
8.3.2模糊ISODATA聚类分析法 194
8.3.3基于max-？传递性的模糊聚类分析故障诊断 197
8.4基于模糊神经网络的导弹发动机故障诊断方法 199
8.4.1模糊神经网络 200
8.4.2模糊RBF神经网络在液体导弹发动机故障诊断中的应用 203
第9章 基于统计学习理论的故障分析与诊断方法 211
9.1统计学习理论与支持向量机 211
9.1.1机器学习 213
9.1.2统计学习理论 214
9.1.3支持向量机 216
9.1.4核函数及其参数优化 218
9.2支持向量机在液体导弹发动机故障诊断中的应用 223
9.2.1基于SVM的液体导弹发动机稳态故障特性分析及诊断 223
9.2.2基于GA-SVM的液体导弹发动机故障诊断 227
9.2.3基于SVM的液体导弹发动机故障建模与分析 228
第10章 基于隐Markov模型的故障诊断方法 235
10.1基于隐Markov模型（HMM）的故障诊断方法 235
10.1.1 HMM基本思想 235
10.1.2 HMM基本算法 238
10.1.3 HMM的类型 242
10.1.4 HMM在实际应用中的改进措施 242
10.1.5基于HMM的涡轮泵故障诊断实例 245
10.2 HMM-SVM混合故障诊断模型及应用 253
10.2.1 SVM训练 253
10.2.2 HMM - SVM故障诊断应用实例 253
第11章 液体导弹发动机故障预测方法 255
11.1基于时间序列的导弹发动机故障预测方法 256
11.1.1时间序列分析 256
11.1.2应用与分析 263
11.2基于灰色模型的导弹发动机故障预测方法 264
11.2.1灰色系统概述 264
11.2.2灰色系统的基本原理 265
11.2.3灰色预测方法及其在导弹发动机故障预测的应用 266
11.3基于神经网络的导弹发动机故障预测方法 274
11.3.1基于BP网络的导弹发动机动力参数多步预测方法 274
11.3.2基于RBF网络的导弹发动机预测方法 279
11.3.3基于Elman网络的导弹发动机预测方法 282
11.4基于SVM方法的导弹发动机故障预测研究 289
11.4.1基于支持向量机的回归估计 290
11.4.2基于支持向量机的预测流程与评价标准 295
11.4.3基于SVM方法的液体导弹发动机故障预测实例 296
附录 301
参考文献 327