基于滑油光谱数据的航空发动机磨损状态研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 主要符号表 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题的来源和意义 | 第13-14页 |
| ·航空发动机状态监测的研究现状 | 第14-16页 |
| ·国内外研究现状 | 第14-15页 |
| ·发动机磨损故障诊断的发展趋势 | 第15-16页 |
| ·本文研究主要内容及结构 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 航空发动机的磨损故障研究 | 第19-31页 |
| ·航空发动机的磨损 | 第19-21页 |
| ·航空发动机的磨损 | 第19页 |
| ·磨损的定义 | 第19-20页 |
| ·磨损机理分析 | 第20-21页 |
| ·航空发动机的滑油系统分析 | 第21-24页 |
| ·滑油系统的功用 | 第21-22页 |
| ·滑油系统的要求 | 第22-23页 |
| ·滑油系统的分类 | 第23-24页 |
| ·航空发动机滑油分析方法 | 第24-30页 |
| ·油品理化性能分析 | 第24-25页 |
| ·油液铁谱分析 | 第25-26页 |
| ·油液光谱分析技术 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 航空发动机磨损趋势预测 | 第31-46页 |
| ·时间序列预测 | 第31-35页 |
| ·时间序列预测的分类 | 第31-32页 |
| ·线性时间序列与非线性时间序列 | 第32-35页 |
| ·单变量支持向量机预测与实例 | 第35-38页 |
| ·支持向量机网络 | 第35-37页 |
| ·单变量支持向量机预测实例 | 第37-38页 |
| ·多变量 GRNN 网络回归预测与实例 | 第38-43页 |
| ·GRNN 网络及其结构 | 第38-40页 |
| ·GRNN 网络的理论基础 | 第40-41页 |
| ·多变量 GRNN 网络预测实例 | 第41-43页 |
| ·预测结果对比 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于交叉验证优化SVR多变量磨损趋势预测 | 第46-57页 |
| ·交叉验证 | 第46-48页 |
| ·交叉验证的原理 | 第46页 |
| ·交叉验证的三种方法 | 第46-48页 |
| ·交叉验证 SVR 网络 | 第48-51页 |
| ·SVR 网络模型 | 第48-50页 |
| ·交叉验证选择最佳参数 c&g | 第50-51页 |
| ·实例应用 | 第51-56页 |
| ·数据重构 | 第51-52页 |
| ·多变量支持向量机预测模型 | 第52页 |
| ·选择最佳参数 | 第52-55页 |
| ·回归预测 | 第55页 |
| ·预测结果对比 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 灰色关联度分析判断航空发动机工作状态 | 第57-67页 |
| ·灰色理论概述 | 第57-59页 |
| ·灰色理论的发展与含义 | 第58页 |
| ·机械系统与灰色系统联系 | 第58-59页 |
| ·灰色关联度 | 第59-61页 |
| ·灰色关联度分析方法 | 第59-60页 |
| ·灰色关联度分析的基本特征 | 第60-61页 |
| ·灰色理论判断航空发动机磨损状态实例 | 第61-66页 |
| ·灰色关联度分析的计算 | 第61-63页 |
| ·实例应用 | 第63-66页 |
| ·结论 | 第66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第73页 |
