| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文主要研究内容和工作 | 第12-15页 |
| 2 涡扇发动机气路理论研究中的非线性模型和故障模拟综述 | 第15-25页 |
| ·发动机简介 | 第15-16页 |
| ·发动机非线性模型 | 第16页 |
| ·发动机状态变量模型 | 第16-19页 |
| ·状态变量模型求取 | 第19-21页 |
| ·仿真精度检验 | 第21页 |
| ·发动机部件性能模拟的趋势模型 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 3 建立基于卡尔曼滤波的发动机自适应模型 | 第25-41页 |
| ·发动机增广状态变量模型建立 | 第25-26页 |
| ·仿真精度检查 | 第26-28页 |
| ·卡尔曼滤波器设计 | 第28-30页 |
| ·卡尔曼滤波健康参数估计仿真 | 第30-32页 |
| ·气路故障诊断中传感器测量参数的选择 | 第32-38页 |
| ·Q值和R值选取对卡尔曼滤波器的影响 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于模糊算法的气路性能异常检测 | 第41-53页 |
| ·模糊逻辑结构 | 第41-42页 |
| ·MATLAB/模糊逻辑工具箱 | 第42-43页 |
| ·模糊逻辑设计 | 第43-50页 |
| ·输入输出模块 | 第43页 |
| ·隶属度函数 | 第43-46页 |
| ·模糊规则库的获取 | 第46-50页 |
| ·航空发动机性能异常检测确认 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于神经网络的故障分类和诊断 | 第53-66页 |
| ·基于基本自组织竞争网络的故障分类 | 第53-55页 |
| ·基本自组织竞争竞争网络结构和算法 | 第53-54页 |
| ·基本竞争型神经网络的故障分类 | 第54-55页 |
| ·基于学习矢量量化LVQ神经网络的故障分类 | 第55-59页 |
| ·LVQ神经网络结构和算法 | 第55-56页 |
| ·LVQ网络的建立 | 第56-59页 |
| ·利用BP神经网络进行故障诊断 | 第59-65页 |
| ·BP神经网络结构和算法 | 第59-62页 |
| ·BP神经网络的建立 | 第62-63页 |
| ·网络测试结果及分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-67页 |
| ·工作总结 | 第66页 |
| ·对未来的展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |