| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 变量注释表 | 第16-18页 |
| 1 绪论 | 第18-32页 |
| 1.1 问题提出 | 第18-19页 |
| 1.2 研究意义 | 第19页 |
| 1.3 国内外研究现状 | 第19-28页 |
| 1.4 研究思路和研究内容 | 第28-31页 |
| 1.5 研究方法和创新性 | 第31-32页 |
| 2 涡扇发动机故障参数分析 | 第32-39页 |
| 2.1 涡扇发动机概况及分类 | 第32-33页 |
| 2.2 涡扇发动机结构和功能 | 第33-34页 |
| 2.3 涡扇发动机故障模式 | 第34-38页 |
| 2.4 本章小结 | 第38-39页 |
| 3 涡扇发动机故障特征信息提取 | 第39-51页 |
| 3.1 数据来源和样本描述 | 第39-42页 |
| 3.2 数据降噪 | 第42-45页 |
| 3.3 样本无量纲化 | 第45-46页 |
| 3.4 降维 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 涡扇发动机故障识别诊断研究 | 第51-59页 |
| 4.1 先验算法理论 | 第51-53页 |
| 4.2 优化模型构建 | 第53-55页 |
| 4.3 基于CDT-RF涡扇发动机故障的识别诊断研究 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 涡扇发动机剩余使用寿命RUL预测研究 | 第59-71页 |
| 5.1 先验算法理论 | 第59-61页 |
| 5.2 RNN进阶LSTM网络 | 第61-63页 |
| 5.3 基于GridSearch-NI对LSTM模型的参数优化 | 第63-67页 |
| 5.4 基于参数优化LSTM涡扇发动机RUL的预测研究 | 第67-70页 |
| 5.5 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-73页 |
| 6.1 研究总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-80页 |
| 作者简历 | 第80-82页 |
| 学位论文数据集 | 第82页 |
