| 摘要 | 第1-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第16-34页 |
| ·研究背景与意义 | 第16-18页 |
| ·传感器数据证实的内涵 | 第16页 |
| ·传感器数据证实的应用需求分析 | 第16-17页 |
| ·发动机试验系统传感器数据证实的特殊性 | 第17-18页 |
| ·传感器数据证实方法与系统研究综述 | 第18-21页 |
| ·国外研究现状与发展趋势 | 第18-20页 |
| ·国内研究现状 | 第20-21页 |
| ·传感器数据证实方法评述 | 第21-30页 |
| ·数据证实方法类别 | 第21-22页 |
| ·测试信号去噪方法 | 第22-24页 |
| ·传感器数据证实的统计比较方法 | 第24-25页 |
| ·传感器数据证实的解析冗余方法 | 第25-29页 |
| ·传感器数据证实的模式匹配方法 | 第29页 |
| ·数据证实的多方证据融合方法 | 第29-30页 |
| ·论文内容与结构安排 | 第30-34页 |
| 第二章 数据预处理中值滤波方法 | 第34-49页 |
| ·气路信号中值滤波器设计 | 第34-37页 |
| ·线性滤波器特征 | 第34-35页 |
| ·中值滤波器特征 | 第35-37页 |
| ·气路传感器信号中值滤波器设计 | 第37页 |
| ·中值滤波算法及其时间复杂度分析 | 第37-40页 |
| ·标准排序算法与均值加速算法 | 第37-38页 |
| ·SM算法时间复杂度分析 | 第38-39页 |
| ·均值加速中值算法时间复杂度分析 | 第39页 |
| ·平均值对中值滤波加速作用分析 | 第39-40页 |
| ·气路信号中值滤波改进算法与时间复杂度分析 | 第40页 |
| ·中值滤波数值实验 | 第40-46页 |
| ·测试信号设计 | 第40-42页 |
| ·滤波质量测度与效果分析 | 第42-46页 |
| ·涡轮试验数据预处理及其应用分析 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第三章 测试数据偏差检测子空间方法 | 第49-68页 |
| ·测量数据主元分析法建模 | 第50-53页 |
| ·多变量过程测量数据主元提取 | 第50-51页 |
| ·主元分解的解释与应用 | 第51-53页 |
| ·基于主元-残差子空间方法的过程数据偏差检测 | 第53-61页 |
| ·试验数据主元分析建模 | 第54-56页 |
| ·主元模型检测异常数据偏差的方法与适用性分析 | 第56-61页 |
| ·测试数据多尺度主元分析法建模 | 第61-65页 |
| ·测试数据多尺度主元分析概念 | 第61-62页 |
| ·用小波变换实现测试数据多尺度分解 | 第62-63页 |
| ·多变量过程数据多尺度主元模型 | 第63-65页 |
| ·多尺度主元-残差子空间法检测数据偏差 | 第65-67页 |
| ·试验数据多尺度成分特征 | 第65-67页 |
| ·测试数据多尺度主元-残差子空间方法置信度分析 | 第67页 |
| ·小结 | 第67-68页 |
| 第四章 基于神经网络估计与预报的传感器数据证实方法 | 第68-86页 |
| ·自关联神经网络 | 第68-70页 |
| ·自关联神经网络结构与映射原理 | 第68-70页 |
| ·自关联神经网络学习算法 | 第70页 |
| ·训练数据预处理 | 第70页 |
| ·自关联神经网络识别涡轮试验动态数据模式 | 第70-78页 |
| ·动态过程数据对象 | 第70-71页 |
| ·传感器数据采集 | 第71页 |
| ·无记忆模式网络学习能力 | 第71-74页 |
| ·有记忆-无记忆混合模式网络学习能力 | 第74-76页 |
| ·全记忆模式网络学习能力 | 第76-78页 |
| ·自关联神经网络参数估计与预估 | 第78-84页 |
| ·自关联神经网络参数估计 | 第78-81页 |
| ·自关联神经网络参数预报与预估 | 第81-82页 |
| ·自关联神经网络参数全预报 | 第82-84页 |
| ·基于自关联神经网络估计器的数据证实方案 | 第84-85页 |
| ·小结 | 第85-86页 |
| 第五章 多源证据融合的贝叶斯信度网络方法 | 第86-101页 |
| ·贝叶斯信度网络数学描述与构建 | 第86-88页 |
| ·发动机传感器数据证实贝叶斯信度网络 | 第88-90页 |
| ·贝叶斯信度网络节点影响概率计算 | 第90-93页 |
| ·传感器数据证实风险概率分析 | 第93页 |
| ·贝叶斯信度网络生成更新与决策算法 | 第93-96页 |
| ·传感器数据证实的实时性分析 | 第96-98页 |
| ·传感器数据证实关联关系的建立原则 | 第98-100页 |
| ·小结 | 第100-101页 |
| 第六章 燃气涡轮试验数据关联性分析 | 第101-119页 |
| ·高压涡轮试验系统及其工作原理 | 第101-103页 |
| ·高压涡轮试验测量参数稳态关联特性分析 | 第103-112页 |
| ·流体状态参数测量序列相关特性分析 | 第112-118页 |
| ·小结 | 第118-119页 |
| 第七章 多传感器数据证实系统设计与实现 | 第119-133页 |
| ·数据有效性证实传感器选择 | 第119页 |
| ·多传感器数据有效性证实方案 | 第119-122页 |
| ·多传感器系统数据有效性证实的基本问题 | 第119-120页 |
| ·传感器数据有效性判别关系式建立途径 | 第120-121页 |
| ·传感器数据有效性检验关系式的建立过程 | 第121-122页 |
| ·传感器数据有效性证实方案 | 第122页 |
| ·涡轮试验数据对准与工况分级 | 第122-125页 |
| ·数据证实系统架构与功能设计 | 第125-128页 |
| ·传感器数据证实系统的运行架构 | 第125-126页 |
| ·传感器数据证实功能详细设计 | 第126-127页 |
| ·系统功能模块结构设计 | 第127-128页 |
| ·数据证实系统实现方法 | 第128-131页 |
| ·实时运行内核实现 | 第128-129页 |
| ·传感器数据证实网络自动生成功能实现 | 第129-130页 |
| ·数据预处理功能实现 | 第130-131页 |
| ·数据证实系统应用示例 | 第131-132页 |
| ·小结 | 第132-133页 |
| 结束语 | 第133-136页 |
| 论文主要工作及创新点 | 第133-135页 |
| 进一步研究工作展望 | 第135-136页 |
| 致谢 | 第136-137页 |
| 参考文献 | 第137-145页 |
| 作者在学期间取得的学术成果 | 第145页 |