| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 课题意义及其背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 航空发动机气路部件故障诊断技术现状 | 第14-20页 |
| 1.3.1 气路故障诊断国内外现有技术 | 第15-20页 |
| 1.4 论文主要工作和研究内容安排 | 第20-22页 |
| 第二章 航空发动机气路故障诊断基础 | 第22-31页 |
| 2.1 航空发动机气路故障 | 第22-25页 |
| 2.1.1 航空发动机气路故障种类及产生原因 | 第22-23页 |
| 2.1.2 航空发动机气路故障特征分析 | 第23-25页 |
| 2.2 基于数据驱动的故障诊断方法 | 第25-26页 |
| 2.3 气路部件故障诊断总体设计方案 | 第26-28页 |
| 2.4 传感器故障 | 第28-29页 |
| 2.4.1 传感器故障类别 | 第28页 |
| 2.4.2 传感器故障诊断方法 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 故障诊断算法理论基础 | 第31-46页 |
| 3.1 数据降维技术 | 第31-34页 |
| 3.1.1 PCA主元分析法介绍 | 第31-32页 |
| 3.1.2 PCA主元分析法基本原理 | 第32-34页 |
| 3.2 小波分析法原理 | 第34-36页 |
| 3.2.1 小波包分析法[39-40] | 第34-36页 |
| 3.3 支持向量机 | 第36-42页 |
| 3.3.1 SVM的基本原理 | 第37-39页 |
| 3.3.2 核函数原理 | 第39-41页 |
| 3.3.3 SVM多类分类算法 | 第41-42页 |
| 3.4 Multi-Kernel SVM(多核支持向量机) | 第42-44页 |
| 3.4.1 基于不同特征源的Multi-kernel SVM | 第42-43页 |
| 3.4.2 多核学习权衡过程 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 传感器故障诊断算法的设计与实现 | 第46-66页 |
| 4.1 传感器故障特性仿真 | 第46-50页 |
| 4.2 传感器故障诊断过程 | 第50-58页 |
| 4.2.1 PCA数据降维特征提取 | 第51-52页 |
| 4.2.2 小波包分析特征提取 | 第52-56页 |
| 4.2.3 多核支持向量机的实现 | 第56-58页 |
| 4.3 实验结果分析 | 第58-60页 |
| 4.4 传感器故障与发动机部件故障区分 | 第60-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 航空发动机气路部件故障诊断算法的设计与实现 | 第66-83页 |
| 5.1 发动机气路部件故障数据 | 第66-67页 |
| 5.2 发动机气路部件单一故障诊断 | 第67-75页 |
| 5.2.1 KNN[49]分类算法 | 第67-69页 |
| 5.2.2 基于LDA[50]的故障诊断算法 | 第69-71页 |
| 5.2.3 基于SVM的故障诊断算法 | 第71-75页 |
| 5.3 Adaboost[51]算法 | 第75-80页 |
| 5.3.1 基于Adaboost+SVM的气路部件单一故障诊断 | 第75-78页 |
| 5.3.2 航空发动机气路部件双重故障诊断 | 第78-80页 |
| 5.4 故障诊断算法抗干扰性分析 | 第80-82页 |
| 5.4.1 单一故障诊断算法抗扰动性测试 | 第80-81页 |
| 5.4.2 双重故障抗扰动性验证 | 第81-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 不足与展望 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 攻读硕士硕士期间已发表或录用的论文 | 第88-89页 |
| 致谢 | 第89页 |
