| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究内容与目标 | 第14-15页 |
| 1.4 论文的组织与结构 | 第15-17页 |
| 第二章 发动机滑油系统和气路系统研究 | 第17-27页 |
| 2.1 概述 | 第17-18页 |
| 2.2 航空发动机滑油系统分析 | 第18-21页 |
| 2.2.1 滑油系统结构与作用 | 第18-19页 |
| 2.2.2 滑油工作状态分析 | 第19-20页 |
| 2.2.3 滑油消耗影响因素分析 | 第20-21页 |
| 2.3 发动机气路故障分析 | 第21-24页 |
| 2.3.1 发动机气路故障类型及产生原因 | 第21-23页 |
| 2.3.2 发动机气路故障特征分析 | 第23-24页 |
| 2.4 诊断发动机气路故障的方法 | 第24-27页 |
| 第三章 面向滑油系统和气路系统的深度置信网络结构分析 | 第27-40页 |
| 3.1 概述 | 第27-29页 |
| 3.2 深度置信网络模型 | 第29-37页 |
| 3.2.1 受限制玻尔兹曼机的网络结构 | 第31-32页 |
| 3.2.2 受限制玻尔兹曼机的能量模型 | 第32-34页 |
| 3.2.3 受限制玻尔兹曼机的训练算法 | 第34-37页 |
| 3.3 BP网络学习特性 | 第37-39页 |
| 3.4 遗传算法在优化神经网络上的应用 | 第39-40页 |
| 第四章 基于深度置信网络的发动机监控建模 | 第40-46页 |
| 4.1 深度置信网络监控及诊断系统结构与流程 | 第40-42页 |
| 4.2 样本空间 | 第42-44页 |
| 4.2.1 样本来源 | 第42页 |
| 4.2.2 样本选取原则 | 第42-43页 |
| 4.2.3 影响参数的选择 | 第43页 |
| 4.2.4 样本数据的预处理 | 第43-44页 |
| 4.3 网络模型参数设置 | 第44页 |
| 4.4 网络输出结果评价 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于深度置信网络发动机状态监控研究 | 第46-58页 |
| 5.1 概述 | 第46页 |
| 5.2 基于深度置信网络的滑油消耗预测 | 第46-52页 |
| 5.2.1 样本来源与处理 | 第46-47页 |
| 5.2.2 基于深度置信网络的滑油消耗预测 | 第47-49页 |
| 5.2.3 基于BP网络的滑油消耗预测 | 第49-51页 |
| 5.2.4 深度置信网络与BP网络的结果对比分析 | 第51-52页 |
| 5.3 基于深度置信网络的气路故障诊断 | 第52-58页 |
| 5.3.1 样本来源与处理 | 第52-53页 |
| 5.3.2 基于深度置信网络的气路故障诊断 | 第53-55页 |
| 5.3.3 基于GA-BP的气路故障诊断 | 第55-57页 |
| 5.3.4 深度置信网络与GA-BP的结果对比分析 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |