| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 课题背景 | 第14页 |
| 1.2 研究的目的和意义 | 第14-15页 |
| 1.3 民航发动机健康状态预测的研究现状 | 第15-22页 |
| 1.3.1 民航发动机健康状态预测的内涵 | 第15-17页 |
| 1.3.2 民航发动机状态监视技术 | 第17页 |
| 1.3.3 民航发动机健康状态预测技术研究现状 | 第17-21页 |
| 1.3.4 存在的问题和发展趋势 | 第21-22页 |
| 1.4 智能学习模型在复杂装备健康状态预测中的应用 | 第22-24页 |
| 1.5 本文的主要研究内容 | 第24-26页 |
| 第2章 民航发动机健康状态信号降噪方法 | 第26-42页 |
| 2.1 引言 | 第26页 |
| 2.2 SVD 信号降噪方法及其不足 | 第26-30页 |
| 2.2.1 SVD 降噪原理 | 第26-28页 |
| 2.2.2 基于奇异值差分谱的奇异值自适应选择方法 | 第28-30页 |
| 2.3 基于 EMD 和 SVD 的健康状态信号降噪方法 | 第30-35页 |
| 2.3.1 基于 EMD 的信号趋势分量提取方法 | 第30-31页 |
| 2.3.2 基于 EMD 和 SVD 的降噪方法及其实现步骤 | 第31-32页 |
| 2.3.3 基于 EMD 和 SVD 的降噪方法验证 | 第32-35页 |
| 2.4 排气温度数据降噪实例 | 第35-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 基于离散输入过程神经网络的健康状态预测 | 第42-57页 |
| 3.1 引言 | 第42页 |
| 3.2 离散输入过程神经网络 | 第42-46页 |
| 3.2.1 过程神经元模型 | 第42-43页 |
| 3.2.2 离散输入过程神经元模型 | 第43-45页 |
| 3.2.3 离散输入过程神经网络 | 第45-46页 |
| 3.3 离散输入过程神经网络学习算法 | 第46-49页 |
| 3.3.1 算法推导 | 第46-48页 |
| 3.3.2 算法描述 | 第48-49页 |
| 3.4 基于 DPNN 的发动机健康状态预测实例 | 第49-56页 |
| 3.4.1 基于 DPNN 的健康状态预测原理 | 第49-50页 |
| 3.4.2 DPNN 预测模型有效性验证 | 第50-51页 |
| 3.4.3 基于 DPNN 的发动机排气温度预测 | 第51-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 基于静态权值组合集成模型的健康状态预测 | 第57-72页 |
| 4.1 引言 | 第57-58页 |
| 4.2 集成学习与局域建模 | 第58-61页 |
| 4.2.1 集成学习算法 | 第58-60页 |
| 4.2.2 集成学习与局域建模的关系 | 第60-61页 |
| 4.3 面向回归问题的 AdaBoost.RT 集成学习算法 | 第61-62页 |
| 4.4 改进的 AdaBoost.RT 算法 | 第62-64页 |
| 4.5 基于改进 AdaBoost.RT 的静态权值组合集成局域预测模型 | 第64-65页 |
| 4.6 发动机核心机转速偏差值预测实例 | 第65-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第5章 基于动态权值组合集成模型的健康状态预测 | 第72-87页 |
| 5.1 引言 | 第72页 |
| 5.2 集成学习模型的动态权值组合方法 | 第72-74页 |
| 5.3 极端学习机 | 第74-76页 |
| 5.4 动态权值组合集成模型 | 第76-78页 |
| 5.5 动态权值组合集成模型有效性验证 | 第78-80页 |
| 5.6 基于动态权值组合集成模型的发动机健康状态预测实例 | 第80-86页 |
| 5.7 本章小结 | 第86-87页 |
| 第6章 基于Bootstrap方法的预测区间估计 | 第87-101页 |
| 6.1 引言 | 第87页 |
| 6.2 基于 Bootstrap 的预测区间估计方法 | 第87-92页 |
| 6.2.1 预测区间 | 第87-88页 |
| 6.2.2 Bootstrap 预测区间估计方法 | 第88-92页 |
| 6.3 基于弹性反向传播的神经网络训练算法 | 第92-94页 |
| 6.4 预测区间估计实例 | 第94-100页 |
| 6.4.1 单一全局预测模型预测区间估计 | 第94-98页 |
| 6.4.2 集成预测模型预测区间估计 | 第98-100页 |
| 6.5 本章小结 | 第100-101页 |
| 第7章 面向MRO2的民航发动机拆发日期预测系统 | 第101-113页 |
| 7.1 引言 | 第101页 |
| 7.2 系统需求分析 | 第101-103页 |
| 7.3 系统设计 | 第103-108页 |
| 7.3.1 系统功能模型设计 | 第103-105页 |
| 7.3.2 在翼发动机拆发日期预测方法 | 第105-108页 |
| 7.4 系统实现与应用 | 第108-112页 |
| 7.4.1 系统实现 | 第108-111页 |
| 7.4.2 应用实例 | 第111-112页 |
| 7.5 本章小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 攻读学位期间发表的学术论文及其它成果 | 第125-127页 |
| 致谢 | 第127-128页 |
| 个人简历 | 第128页 |
