| 摘要 | 第1-6页 |
| ABSTRACT | 第6-17页 |
| 第一章 绪论 | 第17-34页 |
| ·航空发动机气路故障诊断研究现状 | 第20-26页 |
| ·气路故障诊断的发展 | 第20-21页 |
| ·基于线性模型的方法 | 第21-23页 |
| ·基于非线性模型的方法 | 第23-24页 |
| ·基于人工智能的方法 | 第24-26页 |
| ·航空发动机气路故障诊断发展方向 | 第26-30页 |
| ·基于支持向量机的诊断 | 第27-28页 |
| ·研究融合诊断技术 | 第28-29页 |
| ·研究实时及远程诊断技术 | 第29页 |
| ·研究数据挖掘技术 | 第29-30页 |
| ·航空发动机寿命预测研究 | 第30-32页 |
| ·利于性能衰退模型进行预测 | 第30-32页 |
| ·利用统计模型进行预测 | 第32页 |
| ·本文研究内容 | 第32-34页 |
| 第二章 民航发动机气路性能监控 | 第34-47页 |
| ·发动机巡航趋势监控 | 第34-39页 |
| ·巡航数据采集 | 第34-35页 |
| ·发动机基线与偏差量 | 第35页 |
| ·数据平滑 | 第35-36页 |
| ·趋势图解释 | 第36-39页 |
| ·发动机起飞EGT 裕度监控 | 第39-46页 |
| ·起飞数据采集 | 第39-40页 |
| ·起飞EGT 裕度定义 | 第40-42页 |
| ·起飞EGT 裕度估算 | 第42-43页 |
| ·利用起飞EGT 裕度预测发动机寿命 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 民航发动机故障检测 | 第47-82页 |
| ·发动机气路故障检测数据 | 第47-50页 |
| ·三个偏差的概念 | 第47-49页 |
| ·数据整理 | 第49-50页 |
| ·基于传统模式识别技术的发动机故障检测 | 第50-61页 |
| ·基于概率密度估计的故障检测 | 第50-53页 |
| ·基于近邻法的故障检测 | 第53-54页 |
| ·基于k 均值（k-Means）动态聚类的故障检测 | 第54-55页 |
| ·基于传统模式识别技术的发动机故障检测结果与分析 | 第55-60页 |
| ·结论 | 第60-61页 |
| ·基于自组织映射（SOM）网的发动机故障检测 | 第61-68页 |
| ·SOM 网算法 | 第61-62页 |
| ·采用SOM 网获取数据集代表性样本算例 | 第62-65页 |
| ·基于SOM 网的发动机故障检测 | 第65-66页 |
| ·结论 | 第66-68页 |
| ·基于支持向量机的发动机故障检测 | 第68-73页 |
| ·SVM 超球故障检测模型 | 第69-70页 |
| ·基于SVM 超球模型的发动机故障检测 | 第70-72页 |
| ·结论 | 第72-73页 |
| ·基于相异性表示的单类线性规划分类器用于发动机故障检测 | 第73-81页 |
| ·基于相异性表示的单类线性规划分类器 | 第74-77页 |
| ·基于单类线性规划分类器的航空发动机故障检测 | 第77-80页 |
| ·结论 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第四章 民航发动机故障分类诊断 | 第82-115页 |
| ·基于SVM 的发动机故障诊断 | 第82-89页 |
| ·SVM 分类器 | 第82-84页 |
| ·PW4077 发动机故障诊断 | 第84-89页 |
| ·结论 | 第89页 |
| ·贝叶斯框架下的前向网络用于发动机故障诊断 | 第89-99页 |
| ·网络性能指标的改进 | 第90-91页 |
| ·贝叶斯框架下的前向网络 | 第91-96页 |
| ·PW4077 发动机故障诊断 | 第96-99页 |
| ·结论 | 第99页 |
| ·贝叶斯框架下的LS-SVM 分类器用于发动机故障诊断 | 第99-113页 |
| ·LS-SVM 分类器 | 第100-102页 |
| ·贝叶斯框架用于LS-SVM 分类器 | 第102-106页 |
| ·贝叶斯框架下的LS-SVM 分类器算例 | 第106-108页 |
| ·PW4077 发动机故障诊断 | 第108-113页 |
| ·结论 | 第113页 |
| ·本章小节 | 第113-115页 |
| 第五章 基于贝叶斯框架的LS-SVM 回归及其在民航发动机寿命预测中的应用 | 第115-132页 |
| ·贝叶斯框架下的LS-SVM 回归 | 第115-123页 |
| ·LS-SVM 回归 | 第115-116页 |
| ·贝叶斯框架下的LS-SVM 回归 | 第116-122页 |
| ·贝叶斯框架下的LS-SVM 回归的区间预测 | 第122-123页 |
| ·贝叶斯框架下的LS-SVM 回归及区间预测算例 | 第123-127页 |
| ·LS-SVM 回归算例 | 第123-126页 |
| ·LS-SVM 回归的区间预测算例 | 第126-127页 |
| ·贝叶斯框架下的LS-SVM 回归用于发动机寿命预测 | 第127-131页 |
| ·发动机寿命预测原始数据 | 第128页 |
| ·发动机寿命预测 | 第128-131页 |
| ·本章小节 | 第131-132页 |
| 第六章 总结与展望 | 第132-134页 |
| 参考文献 | 第134-141页 |
| 致谢 | 第141-142页 |
| 在学期间的研究成果及发表的学术论文 | 第142-143页 |
| 附录 | 第143-159页 |
