| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-17页 |
| 1.1 论文的研究背景和意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 设备故障诊断技术的发展现状 | 第9-16页 |
| 1.2.1 信号时频分析技术 | 第11-15页 |
| 1.2.2 机械设备故障状态识别方法 | 第15-16页 |
| 1.3 本论文研究的主要内容及章节安排 | 第16-17页 |
| 2 航空发动机转子系统的振动信号采集 | 第17-26页 |
| 2.1 涡桨发动机转子的振动信号采集 | 第17-20页 |
| 2.1.1 涡桨发动机的结构 | 第17-18页 |
| 2.1.2 某型涡桨发动机转子的运行状态 | 第18-19页 |
| 2.1.3 振动信号的采集 | 第19-20页 |
| 2.2 微型涡喷发动机转子的振动信号采集 | 第20-25页 |
| 2.2.1 涡喷发动机的结构 | 第20-21页 |
| 2.2.2 微型涡喷发动机转子的工作状态 | 第21-22页 |
| 2.2.3 振动传感器的选取原则和安装方式 | 第22-23页 |
| 2.2.4 振动信号动态采集系统 | 第23-24页 |
| 2.2.5 发动机试车的操作流程和注意事项 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 基于EEMD与邻域粗糙集的涡桨发动机转子故障诊断 | 第26-47页 |
| 3.1 引言 | 第26-27页 |
| 3.2 涡桨发动机转子振动信号处理 | 第27-34页 |
| 3.2.1 EMD的原理和算法 | 第27-30页 |
| 3.2.2 EMD方法的不足 | 第30-31页 |
| 3.2.3 EEMD的原理和分解过程 | 第31-32页 |
| 3.2.4 EEMD的参数选择 | 第32-33页 |
| 3.2.5 EMD与EEMD的比较 | 第33-34页 |
| 3.3 基于EEMD的故障特征提取 | 第34-38页 |
| 3.3.1 时域无量纲特征 | 第35-36页 |
| 3.3.2 能量特征 | 第36页 |
| 3.3.3 奇异值特征 | 第36页 |
| 3.3.4 多尺度排列熵特征 | 第36-38页 |
| 3.4 利用邻域粗糙集筛选特征的算法 | 第38-39页 |
| 3.5 基于EEMD与SVM的故障诊断模型 | 第39-41页 |
| 3.5.1 SVM概述 | 第39-40页 |
| 3.5.2 故障诊断模型 | 第40-41页 |
| 3.6 工程实例及应用 | 第41-46页 |
| 3.7 本章小结 | 第46-47页 |
| 4 基于改进CEEMDAN与距离评估的涡喷发动机转子故障诊断 | 第47-70页 |
| 4.1 引言 | 第47-48页 |
| 4.2 涡喷发动机转子振动信号处理 | 第48-57页 |
| 4.2.1 CEEMD的原理和应用 | 第48-52页 |
| 4.2.2 CEEMDAN的算法流程及改进 | 第52-55页 |
| 4.2.3 EEMD、CEEMDAN以及改进CEEMDAN三种方法的比较 | 第55-57页 |
| 4.3 基于改进CEEMDAN的特征参数定义与提取 | 第57-59页 |
| 4.3.1 特征参数的定义 | 第57-59页 |
| 4.3.2 特征提取 | 第59页 |
| 4.4 基于距离评估技术的敏感特征选择 | 第59-60页 |
| 4.5 改进CEEMDAN与SVM结合的智能诊断模型 | 第60-63页 |
| 4.5.1 遗传算法概述 | 第60-63页 |
| 4.5.2 智能故障诊断模型 | 第63页 |
| 4.6 工程实例及应用 | 第63-69页 |
| 4.7 本章小结 | 第69-70页 |
| 5 航空发动机转子系统故障诊断的GUI设计 | 第70-85页 |
| 5.1 MATLAB/GUI简介 | 第70-72页 |
| 5.2 GUI的设计原则和流程 | 第72-73页 |
| 5.3 航空发动机转子故障诊断系统的界面设计与程序运行 | 第73-84页 |
| 5.3.1 转子故障诊断系统的界面介绍 | 第73-74页 |
| 5.3.2 界面的运行测试 | 第74-84页 |
| 5.4 本章小结 | 第84-85页 |
| 6 总结与展望 | 第85-87页 |
| 6.1 工作总结 | 第85-86页 |
| 6.2 后期的工作展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 攻读硕士学位期间发表的论文与获得的知识产权 | 第93-94页 |
| 致谢 | 第94-96页 |
