| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 注释表 | 第9-10页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 状态监控与故障诊断技术发展的国内外现状 | 第11-13页 |
| 1.3 航空发动机状态监控与故障诊断技术发展的国内外现状 | 第13-16页 |
| 1.3.1 气路故障诊断 | 第13-15页 |
| 1.3.2 机械性能监控 | 第15页 |
| 1.3.3 无损检测技术 | 第15-16页 |
| 1.4 课题研究对象及意义 | 第16-17页 |
| 1.5 论文技术路线与主要研究内容 | 第17-19页 |
| 第二章 基于WiFi的智能监控系统的设计 | 第19-28页 |
| 2.1 WIFI技术及应用 | 第19-20页 |
| 2.2 WIFI数据传输模块 | 第20-21页 |
| 2.3 基于WIFI的发动机智能监控系统的硬件设计 | 第21-23页 |
| 2.4 发动机智能监控系统的软件设计 | 第23-27页 |
| 2.4.1 上位机端软件设计 | 第24-25页 |
| 2.4.2 下位机端软件设计 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 气路性能参数的监控与诊断 | 第28-46页 |
| 3.1 气路性能参数 | 第28-29页 |
| 3.2 常见的故障引起气路参数的变化及原因 | 第29-32页 |
| 3.2.1 发动机本体故障 | 第29-30页 |
| 3.2.2 发动机相关系统故障 | 第30-32页 |
| 3.3 基于QAR数据的气路故障诊断与监控 | 第32-36页 |
| 3.3.1 QAR数据 | 第32-34页 |
| 3.3.2 气路性能参数的诊断与监控 | 第34-36页 |
| 3.4 基于趋势图的气路性能监控与故障诊断 | 第36-45页 |
| 3.4.1 趋势图的气路性能分析 | 第36-38页 |
| 3.4.2 灰色系统理论 | 第38-39页 |
| 3.4.3 灰色关联度在气路故障诊断中的应用 | 第39-41页 |
| 3.4.4 基于PSO优化的灰色关联度算法的应用 | 第41-43页 |
| 3.4.5 基于WiFi的气路参数传输与监控 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 振动信号的监控与诊断 | 第46-54页 |
| 4.1 发动机振动信号的监控与诊断过程 | 第46-47页 |
| 4.2 常见的发动机机载振动监视系统 | 第47页 |
| 4.3 常见的振动故障及其信号特点 | 第47-49页 |
| 4.4 轴承故障的监控与诊断 | 第49-51页 |
| 4.5 基于熵权优化的轴承故障灰色关联分析 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 滑油参数的监控 | 第54-64页 |
| 5.1 滑油系统的组成 | 第54-55页 |
| 5.2 滑油油样监控系统 | 第55页 |
| 5.3 滑油量监控 | 第55-63页 |
| 5.3.1 滑油量监控模型 | 第55-57页 |
| 5.3.2 神经网络模型的选择 | 第57-58页 |
| 5.3.3 RBF神经网络在滑油量模型监测中的应用 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结和展望 | 第64-67页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
