涡扇发动机气路健康参数估计方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的内容安排 | 第13-15页 |
| 第二章 发动机机载自适应实时模型 | 第15-37页 |
| ·发动机非线性模型 | 第15页 |
| ·发动机状态变量模型 | 第15-18页 |
| ·状态变量模型的建立 | 第15-17页 |
| ·增广状态变量模型 | 第17-18页 |
| ·系数矩阵的求解 | 第18-19页 |
| ·增广状态变量模型的精度检验 | 第19-27页 |
| ·大偏差线性模型的建立 | 第27-29页 |
| ·卡尔曼滤波器的设计 | 第29-30页 |
| ·机载自适应实时模型的仿真 | 第30-33页 |
| ·系数矩阵对卡尔曼滤波器估计结果的影响 | 第33-35页 |
| ·矩阵 A 和 C 对卡尔曼估计结果的影响 | 第33页 |
| ·矩阵 B 和 D 对卡尔曼估计结果的影响 | 第33-34页 |
| ·矩阵 L 和 M 对卡尔曼估计结果的影响 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 健康参数的线性组合 | 第37-49页 |
| ·参数线性组合方法的数学描述 | 第37-39页 |
| ·估计误差的分析 | 第39-41页 |
| ·变换矩阵的优化选取 | 第41-42页 |
| ·仿真结果分析 | 第42-47页 |
| ·地面稳态点仿真 | 第43-44页 |
| ·高空飞行稳态点仿真 | 第44-45页 |
| ·多点联合仿真 | 第45-47页 |
| ·传感器测量参数的选取 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 机载自适应模型的修正与仿真 | 第49-64页 |
| ·补偿模块的修正原理 | 第49-50页 |
| ·最小二乘支持向量回归机 | 第50-53页 |
| ·最小二乘支持向量回归机的映射结构 | 第53-54页 |
| ·飞行准稳态数据的高斯聚类方法 | 第54-56页 |
| ·机载自适应实时模型的整个工作流程 | 第56-57页 |
| ·自适应模型的数字仿真 | 第57-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 航空发动机融合故障诊断系统 | 第64-71页 |
| ·发动机故障诊断系统 | 第64-65页 |
| ·发动机异常监测 | 第65页 |
| ·最小二乘支持向量机故障分类器 | 第65-67页 |
| ·卡尔曼滤波器的设计 | 第67-68页 |
| ·数字仿真 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 基于 BP 神经网络的发动机故障诊断 | 第71-81页 |
| ·人工神经网络概述 | 第71-72页 |
| ·BP 神经网络 | 第72-74页 |
| ·神经元结构 | 第72页 |
| ·神经网络 LM 学习算法 | 第72-74页 |
| ·神经网络训练样本的提取 | 第74-76页 |
| ·气路部件故障模式的分类 | 第76-77页 |
| ·混合诊断算法流程 | 第77-78页 |
| ·神经网络的训练 | 第78-79页 |
| ·气路故障诊断仿真结果 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第七章 总结与展望 | 第81-83页 |
| ·本文工作总结 | 第81-82页 |
| ·展望 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88-89页 |
| 在学期间的研究成果及发表的学术论文 | 第89页 |
