| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 图表清单 | 第11-14页 |
| 注释表 | 第14-15页 |
| 缩略词 | 第15-16页 |
| 第一章 绪论 | 第16-27页 |
| ·航空发动机磨损故障智能诊断研究背景 | 第16-18页 |
| ·航空发动机磨损故障诊断研究现状 | 第18-25页 |
| ·磨损监测仪器的开发 | 第18-19页 |
| ·专家系统研究与开发 | 第19-20页 |
| ·基于油液分析多源信息的磨损故障融合诊断 | 第20-21页 |
| ·基于油样分析数据的发动机磨损趋势预测技术 | 第21-23页 |
| ·磨损界限值制定技术 | 第23-25页 |
| ·本论文的主要研究内容及安排 | 第25-27页 |
| 第二章 航空发动机磨损故障诊断界限值制定研究 | 第27-43页 |
| ·引言 | 第27页 |
| ·油样光谱诊断界限值特点 | 第27-28页 |
| ·传统油样磨损诊断界限值制定方法 | 第28-30页 |
| ·概率密度函数估计 | 第30-37页 |
| ·概率密度估计问题的描述 | 第30页 |
| ·基于 Parzen 窗法的概率密度函数估计 | 第30-31页 |
| ·基于 kN-近邻法的概率密度函数估计 | 第31-32页 |
| ·基于最大熵法的概率密度函数估计 | 第32页 |
| ·基于支持向量机的概率密度函数估计 | 第32-36页 |
| ·概率密度函数估计方法验证与比较 | 第36-37页 |
| ·航空发动机磨损界限值制定 | 第37-42页 |
| ·航空发动机油样光谱数据 | 第38-39页 |
| ·航空发动机油样光谱数据质量浓度界限值制定 | 第39-40页 |
| ·航空发动机油样光谱数据质量浓度梯度界限值制定 | 第40-41页 |
| ·航空发动机油样光谱数据质量浓度比例界限值制定 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第三章 航空发动机磨损趋势组合预测模型研究 | 第43-60页 |
| ·引言 | 第43页 |
| ·时间序列预测方法概述 | 第43-45页 |
| ·基于 LSSVM 的组合预测模型 | 第45-55页 |
| ·LSSVM 回归算法原理 | 第45-46页 |
| ·基于 PSO 的 LSSVM 回归模型优化 | 第46-49页 |
| ·单一预测模型的选取 | 第49-53页 |
| ·误差指标 | 第53页 |
| ·获取训练样本 | 第53-54页 |
| ·组合预测步骤 | 第54-55页 |
| ·航空发动机油液光谱分析数据组合预测实例分析 | 第55-59页 |
| ·算例 1 | 第55-58页 |
| ·算例 2 | 第58-59页 |
| ·结论 | 第59-60页 |
| 第四章 基于数据挖掘的航空发动机磨损故障诊断知识获取 | 第60-79页 |
| ·引言 | 第60页 |
| ·基于 SVM 的知识获取 | 第60-69页 |
| ·概述 | 第60-61页 |
| ·基于 GA_SVC 的知识获取流程 | 第61页 |
| ·对不平衡数据的预处理 | 第61-62页 |
| ·基于遗传算法特征选取的数据预处理 | 第62-64页 |
| ·支持向量聚类算法 SVC | 第64-67页 |
| ·基于规则的样本识别方法 | 第67-68页 |
| ·规则的简化 | 第68-69页 |
| ·基于 WEKA 平台的知识规则提取 | 第69-74页 |
| ·Weka 系统介绍 | 第70-72页 |
| ·基于 Weka 平台 C4.5 决策树算法的知识规则提取 | 第72-74页 |
| ·诊断实例 | 第74-78页 |
| ·航空发动机磨损故障案例数据 | 第74页 |
| ·基于 SVM 的知识获取 | 第74-76页 |
| ·基于 Weka 平台的知识获取 | 第76-77页 |
| ·规则提取方法比较分析 | 第77-78页 |
| ·结论 | 第78-79页 |
| 第五章 航空发动机磨损故障融合诊断技术研究 | 第79-95页 |
| ·引言 | 第79页 |
| ·AGENT 及多 AGENT 系统的理论基础 | 第79-82页 |
| ·航空发动机磨损故障的多 AGENT 协同诊断 | 第82-91页 |
| ·航空发动机磨损故障多 Agent 协同诊断的必要性分析 | 第82-83页 |
| ·飞机发动机磨损故障多 Agent 协同诊断方法原理 | 第83-85页 |
| ·各 Agent 诊断规则 | 第85-91页 |
| ·诊断案例 | 第91-94页 |
| ·诊断流程 | 第92页 |
| ·诊断结果 | 第92-94页 |
| ·结论 | 第94-95页 |
| 第六章 航空发动机磨损故障诊断专家系统开发 | 第95-107页 |
| ·引言 | 第95页 |
| ·专家系统简介 | 第95-96页 |
| ·专家系统整体架构 | 第96-97页 |
| ·专家系统主要功能 | 第97-105页 |
| ·油样注册模块 | 第97-99页 |
| ·趋势预测模块 | 第99-100页 |
| ·专家诊断模块 | 第100-102页 |
| ·机器学习模块 | 第102-105页 |
| ·系统设置模块 | 第105页 |
| ·小结 | 第105-107页 |
| 第七章 总结与展望 | 第107-109页 |
| ·总结 | 第107-108页 |
| ·展望 | 第108-109页 |
| 参考文献 | 第109-119页 |
| 致谢 | 第119-120页 |
| 在学期间的研究成果及发表的学术论文 | 第120-121页 |
