飞机机电系统健康评估与故障预示方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 选题的背景及意义 | 第8-11页 |
| 1.2 健康评估与故障预示 | 第11-15页 |
| 1.2.1 信号处理方法 | 第11-13页 |
| 1.2.2 智能故障诊断方法 | 第13-15页 |
| 1.3 飞机机电系统振动信号处理与分析 | 第15-16页 |
| 1.4 本文课题来源、研究内容及章节安排 | 第16-18页 |
| 1.4.1 课题的来源 | 第16页 |
| 1.4.2 研究内容及章节安排 | 第16-18页 |
| 第二章 基于HMM的健康评估 | 第18-34页 |
| 2.1 隐马尔科夫方法及其应用 | 第18-20页 |
| 2.1.1 隐马尔科夫研究现状及其发展 | 第18-19页 |
| 2.1.2 隐马尔科夫在故障诊断中的应用 | 第19-20页 |
| 2.2 HMM模型基本概念 | 第20-21页 |
| 2.2.1 HMM的基本参数 | 第20-21页 |
| 2.3 HMM的基本算法 | 第21-24页 |
| 2.3.1 前向-后向算法 | 第21-22页 |
| 2.3.2 Baum-Welch算法 | 第22-23页 |
| 2.3.3 Viterbi算法 | 第23-24页 |
| 2.4 基于HMM故障诊断识别 | 第24-32页 |
| 2.4.1 基本思想与流程 | 第24-26页 |
| 2.4.2 工程实例 | 第26-32页 |
| 2.5 本章总结 | 第32-34页 |
| 第三章 基于改进隐马尔科夫模型的故障预示 | 第34-40页 |
| 3.1 遗传算法 | 第34-35页 |
| 3.2 用遗传算法改进HMM的故障预测 | 第35-39页 |
| 3.2.1 基本思想与流程 | 第35-37页 |
| 3.2.2 实验及应用研究 | 第37-39页 |
| 3.3 本章总结 | 第39-40页 |
| 第四章 基于改进粒子滤波的滚动轴承故障识别 | 第40-54页 |
| 4.1 航空发动机故障模拟实验台 | 第40-44页 |
| 4.2 滚动轴承故障机理 | 第44-46页 |
| 4.2.1 滚动轴承基本参数 | 第44页 |
| 4.2.2 滚动轴承故障特征频率 | 第44-45页 |
| 4.2.3 滚动轴承损伤实验 | 第45-46页 |
| 4.3 粒子滤波技术及其应用 | 第46-49页 |
| 4.3.1 粒子滤波方法 | 第47-48页 |
| 4.3.2 粒子滤波的降噪原理 | 第48-49页 |
| 4.4 基于改进粒子滤波的滚动轴承故障识别 | 第49-53页 |
| 4.4.1 本文方法 | 第49-50页 |
| 4.4.2 实验及应用研究 | 第50-53页 |
| 4.5 本章总结 | 第53-54页 |
| 第五章 基于EEMD与AR谱轴承故障诊断 | 第54-72页 |
| 5.1 EEMD基本原理 | 第54-62页 |
| 5.1.1 EMD算法 | 第54-57页 |
| 5.1.2 EEMD算法 | 第57-58页 |
| 5.1.3 EEMD算法参数设置 | 第58-62页 |
| 5.2 自回归模型及其应用 | 第62-68页 |
| 5.2.1 AR模型原理 | 第62-63页 |
| 5.2.2 AR模型阶次的确定 | 第63-64页 |
| 5.2.3 AR预测模型 | 第64-68页 |
| 5.3 工程实例分析 | 第68-71页 |
| 5.3.1 实验描述 | 第68-69页 |
| 5.3.2 分析结果 | 第69-71页 |
| 5.4 本章总结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 发表论文和参加科研项目 | 第78-79页 |
| 致谢 | 第79-80页 |
