空军航空机务系统教材：航空装备故障诊断学

　　第1篇 原理篇
　　第1章 绪论
　　1.1 航空装备故障诊断的研究与实践
　　1.1.1 航空装备故障诊断的本质
　　1.1.2 航空装备故障诊断的发展阶段
　　1.1.3 航空装备故障诊断的现状与发展趋势
　　1.2 航空装备故障诊断学概述
　　1.2.1 航空装备故障诊断学的定义
　　1.2.2 航空装备故障诊断学的研究目的及意义
　　1.2.3 航空装备故障诊断学的主要研究内容
　　第2章 故障与故障诊断
　　2.1 航空装备失效和故障的概念
　　2.1.1 航空装备失效的概念
　　2.1.2 航空装备故障的概念
　　2.2 航空装备常见失效与故障模式
　　2.2.1 航空机械设备失效与故障的常见模式
　　2.2.2 航空电子元器件失效与故障的常见模式
　　2.3 航空装备失效分析
　　2.3.1 失效分析的目的和任务
　　2.3.2 失效分析的主要工作内容
　　2.3.3 机械零件和机械系统的失效分析方法
　　2.3.4 航空装备失效分析的基本程序
　　2.4 航空装备故障诊断的基本原理
　　2.4.1 故障诊断的一般流程
　　2.4.2 故障诊断的常用方法
　　2.4.3 航空装备故障诊断系统
　　第3章 故障诊断信息处理
　　3.1 故障诊断中的信息及分类
　　3.1.1 基本概念
　　3.1.2 故障信息的分类
　　3.2 故障诊断中信息处理的一般过程
　　3.2.1 信息的获取
　　3.2.2 信息的传输
　　3.2.3 信息的处理
　　3.3 故障诊断信息的获取
　　3.3.1 装备状态信息的获取
　　3.3.2 故障诊断知识的获取
　　3.4 故障诊断中信息的预处理
　　3.4.1 采集环节的预处理
　　3.4.2 传输环节的预处理
　　3.5 故障诊断中信息的处理
　　3.5.1 测量信号分类
　　3.5.2 测试数据处理方法的分类
　　第2篇 方法篇
　　第4章 基于故障树分析的故障诊断
　　4.1 故障树分析的基本内容
　　4.1.1 故障树分析的起源
　　4.1.2 故障树分析的基本概念
　　4.1.3 故障树分析的步骤和建树规则
　　4.2 故障树的定性分析
　　4.2.1 故障树定性分析概述
　　4.2.2 故障树的数学描述
　　4.2.3 最小割集算法
　　4.3 故障树的定量分析
　　4.3.1 故障树定量分析的内容
　　4.3.2 故障树顶事件概率计算
　　4.3.3 故障树重要度分析
　　4.4 航空装备故障树分析算例和系统开发实践
　　4.4.1 基于故障树分析的航空装备故障诊断算例
　　4.4.2 基于故障树分析的航空装备故障诊断系统开发实践
　　第5章 基于贝叶斯网络的故障诊断
　　5.1 贝叶斯网络的概率论基础
　　5.1.1 贝叶斯理论
　　5.1.2 贝叶斯网络
　　5.2 贝叶斯网络推理
　　5.2.1 精确推理
　　5.2.2 近似推理
　　5.3 贝叶斯网络学习
　　5.3.1 参数学习
　　5.3.2 结构学习
　　5.4 贝叶斯网络在装备故障诊断中的应用
　　第6章 基于模糊理论的故障诊断
　　6.1 模糊诊断理论基础
　　6.1.1 模糊集合及其运算
　　6.1.2 模糊集合与经典集合的联系
　　6.1.3 隶属函数
　　6.1.4 模糊关系和模糊关系矩阵
　　6.1.5 模糊度及其度量
　　6.2 航空装备的模糊逻辑诊断
　　6.2.1 航空装备故障诊断中的模糊性
　　6.2.2 模糊逻辑诊断模型
　　6.2.3 模糊诊断信息的获取
　　6.2.4 模糊逻辑故障诊断方法
　　6.2.5 航空装备模糊逻辑诊断实例
　　6.3 航空装备的模糊聚类诊断
　　6.3.1 模糊聚类
　　6.3.2 模糊聚类诊断基本思想
　　6.3.3 基于模糊等价关系的模糊聚类诊断方法
　　6.3.4 模糊平均值聚类诊断方法
　　6.3.5 航空装备模糊聚类诊断实例
　　第7章 基于粗糙集理论的故障诊断
　　7.1 粗糙集基本概念
　　7.1.1 知识与知识表达系统
　　7.1.2 不可分辨关系
　　7.1.3 粗糙集与近似
　　7.1.4 知识约简与核
　　7.1.5 知识的依赖性与属性重要性
　　7.1.6 区分矩阵与区分函数
　　7.2 基于粗糙集理论的智能故障诊断
　　7.2.1 数据预处理
　　7.2.2 属性约简
　　7.2.3 值约简
　　7.3 航空装备的粗糙集诊断案例
　　第8章 基于人工神经网络的故障诊断
　　8.1 人工神经网络的基本原理
　　8.1.1 人工神经元模型
　　8.1.2 人工神经网络的构成
　　8.1.3 人工神经网络的学习
　　8.2 基于人工神经网络的故障诊断原理
　　8.2.1 模式识别的故障诊断神经网络
　　8.2.2 系统辨识的故障诊断神经网络
　　8.2.3 知识处理的故障诊断神经网络
　　8.3 基于人工神经网络的故障诊断模型设计
　　8.4 基于BP神经网络的故障诊断方法
　　8.4.1 BP神经网络结构及其学习算法
　　8.4.2 BP神经网络的改进算法
　　8.4.3 BP神经网络的结构设计
　　8.4.4 基于BP神经网络的故障诊断方法
　　8.4.5 在飞机火控系统故障诊断中的应用
　　8.5 基于SOM神经网络的故障诊断方法
　　8.5.1 SOM神经网络结构
　　8.5.2 SOM网络的学习算法
　　8.5.3 基于SOM神经网络的故障诊断方法
　　8.5.4 在航空发动机故障诊断中的应用
　　8.6 其他典型的神经网络故障诊断模型
　　8.6.1 集成神经网络
　　8.6.2 模糊神经网络
　　8.6.3 小波神经网络
　　第9章 基于案例的推理的故障诊断
　　9.1 CBR概述
　　9.1.1 CBR的起源及发展
　　9.1.2 CBR的基本思想
　　9.1.3 CBR与RBR的比较
　　9.1.4 CBR的应用领域
　　9.2 CBR的关键步骤
　　9.2.1 案例的表示和存储
　　9.2.2 案例的检索策略
　　9.2.3 案例的相似性匹配
　　9.2.4 案例的适配
　　9.2.5 案例的学习
　　9.3 航空装备故障诊断CBR系统
　　9.3.1 基于层次分类模型的案例库组织
　　9.3.2 故障案例的检索和匹配
　　9.3.3 基于专家评价的案例学习方式
　　9.3.4 系统实现
　　第10章 基于专家系统的故障诊断
　　……
　　第3篇 实践篇
　　第11章 发动机状态监控与故障诊断
　　第12章 航空电子设备的故障诊断
　　第4篇 发展篇
　　第13章 嵌入式故障诊断发展动态与展望
　　第14章 远程故障诊断发展动态与展望
　　参考文献

　　《航空装备故障诊断学》以航空装备故障诊断为主线，系统地阐述了航空装备故障诊断的理论、方法和技术，并对其发展趋势进行了展望。重点对基于故障树、贝叶斯网络、模糊理论、粗糙集理论、人工神经网络、案例推理和专家系统的故障诊断方法和技术进行了全面系统介绍。《航空装备故障诊断学》在编写过程中注意了理论的完整性，并提供了大量故障诊断方法的应用案例，以贴近航空装备故障诊断实践。
　　《航空装备故障诊断学》注重理论联系实际，可作为高等院校相关专业研究生、本科生教材，也适用于航空装备科研与生产单位的工程技术人员参考。