首页--航空、航天论文--航空论文--航空制造工艺论文--航空发动机制造论文--航空发动机的延寿论文

数据驱动的航空发动机余寿预测方法

摘要第4-5页
abstract第5-6页
第一章 绪论第12-20页
    1.1 项目背景及意义第12-14页
        1.1.1 项目背景第12-13页
        1.1.2 研究意义第13-14页
    1.2 国内外研究现状第14-17页
    1.3 研究内容第17-19页
    1.4 本文组织结构第19-20页
第二章 相关理论基础第20-31页
    2.1 剩余使用寿命预测的基本概念第20-21页
    2.2 剩余使用寿命预测方法第21-29页
        2.2.1 基于物理模型的预测方法第21-22页
        2.2.2 数据驱动的预测方法第22-29页
        2.2.3 融合预测方法第29页
    2.3 预测结果性能评估指标第29-30页
        2.3.1 平均绝对误差第29页
        2.3.2 均方根误差第29-30页
        2.3.3 标准均方误差第30页
        2.3.4 惩罚分数第30页
    2.4 本章小结第30-31页
第三章 基于集成预测模型的航空发动机单调退化余寿预测第31-49页
    3.1 研究背景及动机第31-32页
    3.2 多模型集成预测模型第32-40页
        3.2.1 健康指数的计算第32-33页
        3.2.2 基于轨迹相似性的预测算法第33-35页
        3.2.3 基于差分进化的支持向量回归机算法第35-38页
        3.2.4 集成预测模型第38-40页
    3.3 航空发动机数据预处理第40-44页
        3.3.1 数据来源第40-42页
        3.3.2 参数选择第42-43页
        3.3.3 数据去噪第43页
        3.3.4 数据归一化第43-44页
    3.4 实验与性能分析第44-48页
    3.5 本章小结第48-49页
第四章 基于改进循环神经网络模型的发动机非线性余寿预测第49-65页
    4.1 研究背景及动机第49-50页
    4.2 研究方法第50-58页
        4.2.1 循环神经网络第50-52页
        4.2.2 长短时记忆循环神经网络第52-54页
        4.2.3 一种剩余使用寿命预测模型LSTM-NN第54-58页
    4.3 实验与性能分析第58-64页
        4.3.1 实验准备第58-59页
        4.3.2 参数设置第59-61页
        4.3.3 预测结果及对比分析第61-64页
    4.4 本章小结第64-65页
第五章 总结与展望第65-67页
    5.1 工作总结第65-66页
    5.2 研究展望第66-67页
参考文献第67-73页
致谢第73-74页
在学期间的研究成果及发表的学术论文第74页

论文共74页,点击 下载论文
上一篇:航空发动机转子超转破裂预测方法评估与应用
下一篇:PLA/E51体系干铺丝—液体成型工艺及力学性能研究