| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 课题背景及研究的目的和意义 | 第11-13页 |
| 1.2 复杂机电系统健康评估及预测研究现状 | 第13-23页 |
| 1.2.1 复杂机电系统健康评估研究现状 | 第13-19页 |
| 1.2.2 复杂机电系统健康预测研究现状 | 第19-22页 |
| 1.2.3 存在的主要问题 | 第22-23页 |
| 1.3 本文的主要研究内容 | 第23-25页 |
| 第二章 复杂机电系统健康特征量提取 | 第25-44页 |
| 2.1 引言 | 第25-26页 |
| 2.2 复杂机电系统健康特征量提取方法 | 第26-27页 |
| 2.3 航空发动机健康特征量提取 | 第27-43页 |
| 2.3.1 某型航空发动机故障机理分析 | 第29-31页 |
| 2.3.2 航空发动机三维模型建立及动力学分析 | 第31-36页 |
| 2.3.3 基于极大不相关法的健康特征量提取 | 第36-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第三章 基于置信规则库的复杂机电系统健康评估 | 第44-63页 |
| 3.1 引言 | 第44-45页 |
| 3.2 置信规则库理论及应用 | 第45-47页 |
| 3.3 基于BRB的复杂机电系统健康评估模型 | 第47-51页 |
| 3.3.1 基于ER的规则推理过程 | 第48-50页 |
| 3.3.2 健康评估BRB参数优化模型 | 第50页 |
| 3.3.3 基于DE的健康评估BRB模型参数优化 | 第50-51页 |
| 3.4 基于BRB的航空发动机关键部件健康评估 | 第51-62页 |
| 3.4.1 BRB健康评估模型的建立 | 第51-52页 |
| 3.4.2 仿真实验 | 第52-56页 |
| 3.4.3 对比分析 | 第56-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第四章 基于双层置信规则库的复杂机电系统健康预测 | 第63-80页 |
| 4.1 引言 | 第63-64页 |
| 4.2 基于双层BRB的复杂机电系统健康预测方法 | 第64-68页 |
| 4.2.1 基于BRB的时间序列预测模型 | 第65页 |
| 4.2.2 基于BRB的健康状态预测模型 | 第65-66页 |
| 4.2.3 基于P-CMA-ES的BRB参数模型优化 | 第66-68页 |
| 4.3 基于双层BRB的航空发动机健康预测 | 第68-79页 |
| 4.3.1 BRB_layer1模型的建立 | 第69-73页 |
| 4.3.2 BRB_layer2模型的建立 | 第73-76页 |
| 4.3.3 对比分析 | 第76-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第五章 考虑特征量监测误差的复杂机电系统健康预测 | 第80-92页 |
| 5.1 引言 | 第80页 |
| 5.2 特征量监测误差描述 | 第80-81页 |
| 5.3 考虑特征量监测误差的复杂机电系统健康预测模型 | 第81-84页 |
| 5.3.1 基于距离的特征量监测误差计算 | 第82-83页 |
| 5.3.2 考虑特征量监测误差的双层BRB建模 | 第83页 |
| 5.3.3 融合特征量监测误差的置信规则库推理 | 第83-84页 |
| 5.4 考虑特征量监测误差的航空发动机健康预测 | 第84-91页 |
| 5.5 本章小结 | 第91-92页 |
| 第六章 结论与展望 | 第92-95页 |
| 6.1 主要工作与结论 | 第92-93页 |
| 6.2 本文的创新点 | 第93-94页 |
| 6.3 研究与展望 | 第94-95页 |
| 致谢 | 第95-97页 |
| 参考文献 | 第97-108页 |
| 作者简介 | 第108-109页 |
| 攻读博士学位期间研究成果 | 第109-110页 |