| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题意义及其背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 航空发动机气路部件故障诊断技术 | 第14-19页 |
| 1.4 论文主要工作和研究内容安排 | 第19-21页 |
| 第二章 航空发动机气路故障诊断概述 | 第21-30页 |
| 2.1 航空发动机气路故障 | 第21-24页 |
| 2.1.1 航空发动机气路故障种类及产生原因 | 第22页 |
| 2.1.2 航空发动机气路故障特征分析 | 第22-24页 |
| 2.2 基于数据驱动的故障诊断方法 | 第24-26页 |
| 2.3 气路部件故障诊断方案设计 | 第26-27页 |
| 2.4 传感器故障 | 第27-29页 |
| 2.4.1 传感器故障类别 | 第27-28页 |
| 2.4.2 传感器故障诊断方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 航空发动机气路部件故障诊断算法的探究 | 第30-56页 |
| 3.1 航空发动机气路部件故障数据 | 第30-31页 |
| 3.2 航空发动机气路单一部件故障诊断 | 第31-32页 |
| 3.3 基于BP神经网络的故障诊断 | 第32-38页 |
| 3.3.1 BP神经网络原理[29] | 第32-37页 |
| 3.3.2 BP神经网络故障诊断结果 | 第37-38页 |
| 3.4 基于支持向量机（SVM）的故障诊断 | 第38-42页 |
| 3.4.1 支持向量机（SVM）原理[30] | 第38-40页 |
| 3.4.2 支持向量机（SVM）故障诊断结果 | 第40-42页 |
| 3.5 基于极限学习机（ELM）的故障诊断 | 第42-47页 |
| 3.5.1 极限学习机（ELM）原理 | 第42-44页 |
| 3.5.2 极限学习机(ELM)作为分类器 | 第44-45页 |
| 3.5.3 极限学习机（ELM）故障诊断结果 | 第45-47页 |
| 3.6 基于核极限学习机（KELM）的故障诊断 | 第47-54页 |
| 3.6.1 核极限学习机(KELM)原理 | 第47-52页 |
| 3.6.2 核极限学习机（KELM）故障诊断结果 | 第52-54页 |
| 3.7 航空发动机气路部件故障诊断算法的比较 | 第54-55页 |
| 3.8 本章小结 | 第55-56页 |
| 第四章 基于KELM的故障诊断算法性能验证 | 第56-72页 |
| 4.1 航空发动机气路部件复合故障诊断 | 第56-65页 |
| 4.1.1 基于BP神经网络的航空发动机气路部件复合故障诊断 | 第59-60页 |
| 4.1.2 基于支持向量机（SVM）的航空发动机气路部件复合故障诊断 | 第60-62页 |
| 4.1.3 基于极限学习机(ELM)的航空发动机气路部件复合故障诊断 | 第62-63页 |
| 4.1.4 基于核极限学习机(KELM)的航空发动机气路部件复合故障诊断 | 第63-64页 |
| 4.1.5 航空发动机气路部件复合故障诊断算法的比较 | 第64-65页 |
| 4.2 基于KELM的故障诊断算法抗干扰性分析 | 第65-68页 |
| 4.2.1 航空发动机气路部件单一故障抗干扰性测试 | 第65-67页 |
| 4.2.2 航空发动机气路部件复合故障抗干扰性测试 | 第67-68页 |
| 4.3 基于KELM的故障诊断算法在实际数据中的验证 | 第68-70页 |
| 4.4 故障诊断软件功能说明 | 第70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 核极限学习机在传感器故障诊断中的应用 | 第72-88页 |
| 5.1 传感器故障特性仿真 | 第72-76页 |
| 5.2 传感器故障诊断方法概述 | 第76-77页 |
| 5.3 降维算法原理 | 第77-81页 |
| 5.3.1 主成分分析（PCA）原理 | 第77-79页 |
| 5.3.2 核函数 | 第79页 |
| 5.3.3 核主成分分析（KPCA）原理 | 第79-81页 |
| 5.4 传感器故障诊断 | 第81-86页 |
| 5.4.1 PCA+KELM算法传感器故障诊断结果 | 第81-84页 |
| 5.4.2 KPCA+KELM算法传感器故障诊断结果 | 第84-85页 |
| 5.4.3 传感器故障诊断算法比较 | 第85-86页 |
| 5.5 传感器故障与发动机气路部件故障的区分 | 第86-87页 |
| 5.6 本章小结 | 第87-88页 |
| 第六章 总结与展望 | 第88-90页 |
| 6.1 工作的总结 | 第88-89页 |
| 6.2 未来的展望 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间已发表或录用的论文 | 第94页 |
