| 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 |
