航空发动机智能建模与故障诊断研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 符号表 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题的研究背景 | 第9-10页 |
| ·研究方法分析 | 第10-12页 |
| ·本文的主要任务 | 第12-13页 |
| 第二章 航空发动机建模原理与方法及部件级建模 | 第13-23页 |
| ·机理建模方法 | 第13-14页 |
| ·辨识建模方法 | 第14-15页 |
| ·航空发动机部件级模型原理 | 第15-22页 |
| ·沿发动机流程的各部件气动热力计算 | 第16-20页 |
| ·共同工作方程与迭代法求解参数 | 第20-21页 |
| ·稳态模型 | 第21-22页 |
| ·动态模型 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于BP神经网络的发动机建模 | 第23-38页 |
| ·用于辨识的人工神经网络研究发展回顾 | 第23-24页 |
| ·BP神经网络原理 | 第24-29页 |
| ·人工神经元模型及神经网络特性 | 第24-26页 |
| ·BP神经网络的结构 | 第26-27页 |
| ·BP神经网络的学习算法 | 第27-29页 |
| ·BP神经网络辨识航空发动机模型 | 第29-37页 |
| ·航空发动机模型函数描述与样本选取 | 第30-34页 |
| ·航空发动机模型辨识神经网络结构图 | 第34-35页 |
| ·模型效果比较 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于RBF神经网络的发动机建模 | 第38-46页 |
| ·RBF神经网络原理 | 第38-42页 |
| ·RBF网络的结构 | 第38-41页 |
| ·RBF网络的学习算法 | 第41-42页 |
| ·RBF神经网络辨识航空发动机模型 | 第42-43页 |
| ·模型效果比较 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 小波分析小波神经网络原理及小波网络建模 | 第46-64页 |
| ·小波分析与小波神经网络的发展与研究现状 | 第46-48页 |
| ·小波分析与小波神经网络基础 | 第48-55页 |
| ·从Fourier变换和Gabor变换谈起 | 第48-51页 |
| ·小波变换的定义及基本性质 | 第51-52页 |
| ·离散小波变换与正交小波基 | 第52-55页 |
| ·根据训练样本来初始化及构造小波神经网络 | 第55-60页 |
| ·小波神经网络的结构 | 第55-57页 |
| ·小波神经网络的最佳初始化与权值求取 | 第57-60页 |
| ·小波神经网络映射航空发动机动态模型 | 第60-63页 |
| ·航空发动机模型的小波神经网络辨识结构图 | 第60页 |
| ·小波神经网络模型效果分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 应用小波神经网络诊断航空发动机故障 | 第64-74页 |
| ·航空发动机气路故障机理分析与故障特征提取 | 第64-69页 |
| ·气路故障机理分析 | 第64-65页 |
| ·气路故障模拟 | 第65-66页 |
| ·用小波分析对含噪信号进行处理 | 第66-69页 |
| ·应用小波神经网络诊断气路故障 | 第69-73页 |
| ·小波神经网络的选取 | 第69-70页 |
| ·单故障的诊断 | 第70-72页 |
| ·复合故障的诊断 | 第72-73页 |
| ·网络抗噪性原理与验证 | 第73页 |
| ·本章小结 | 第73-74页 |
| 第七章 总结与展望 | 第74-76页 |
| ·总结 | 第74-75页 |
| ·展望 | 第75-76页 |
| 致谢 | 第76页 |
| 硕士期间发表论文 | 第76-77页 |
| 参考文献 | 第77-81页 |
