| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景及意义 | 第9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-11页 |
| 1.3 传感器故障诊断方法 | 第11-13页 |
| 1.4 神经网络技术在故障诊断中的应用 | 第13-14页 |
| 1.5 论文内容及组织结构 | 第14-16页 |
| 第二章 神经网络技术及航空发动机模型的建立 | 第16-34页 |
| 2.1 人工神经网络 | 第16-21页 |
| 2.1.1 神经网络传递函数 | 第16-18页 |
| 2.1.2 几种典型的神经网络模型 | 第18-21页 |
| 2.2 BP网络的原理及算法 | 第21-27页 |
| 2.2.1 BP网络原理 | 第21页 |
| 2.2.2 BP神经网络算法 | 第21-22页 |
| 2.2.3 BP网络设计分析 | 第22-23页 |
| 2.2.4 改进的BP神经网络算法 | 第23-27页 |
| 2.3 基于神经网络的航空发动机模型 | 第27-30页 |
| 2.3.1 航空发动机控制系统输入输出参数 | 第27-28页 |
| 2.3.2 神经网络发动机模型的建立 | 第28-30页 |
| 2.4 多状态航空发动机模型 | 第30-32页 |
| 2.4.1 全飞行包线的划分 | 第30-31页 |
| 2.4.2 二阶段经验模型 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 故障诊断与调节策略的设计 | 第34-42页 |
| 3.1 航空发动机传感器故障诊断系统 | 第34-36页 |
| 3.1.1 故障模式与信号预处理 | 第34页 |
| 3.1.2 控制系统容错机制 | 第34-35页 |
| 3.1.3 传感器故障检测、隔离与重构模块 | 第35页 |
| 3.1.4 神经网络双冗余预测器的设计 | 第35-36页 |
| 3.2 BP神经网络传感器故障诊断系统的工作原理 | 第36-39页 |
| 3.2.1 传感器故障诊断系统组成 | 第36-38页 |
| 3.2.2 传感器故障的检测、隔离和补偿的过程 | 第38-39页 |
| 3.3 关于神经网络传感器故障诊断系统的问题分析 | 第39-41页 |
| 3.3.1 传感器故障的检测，分离和补偿的过程问题 | 第39页 |
| 3.3.2 多传感器故障时的处理问题 | 第39-40页 |
| 3.3.3 训练样本的选择问题 | 第40页 |
| 3.3.4 重新初始化问题 | 第40-41页 |
| 3.3.5 双报警阈值问题 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 航空发动机传感器故障诊断的仿真研究 | 第42-53页 |
| 4.1 故障诊断通用仿真平台的设计 | 第42-46页 |
| 4.1.1 仿真工具Simulink | 第42-43页 |
| 4.1.2 模块化的功能实现 | 第43-46页 |
| 4.2 故障诊断通用仿真平台的设计仿真实例 | 第46-51页 |
| 4.2.1 检测阈值的确定 | 第47-48页 |
| 4.2.2 传感器恒偏差故障和恒增益故障的检测与隔离 | 第48-50页 |
| 4.2.3 传感器恒偏差故障诊断的动态仿真 | 第50-51页 |
| 4.3 故障传感器测量值重构 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士期间发表论文 | 第58页 |