| 摘要 | 第5-6页 |
| Abstact | 第6-7页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 选题背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.3 本文研究内容 | 第20-23页 |
| 1.3.1 本文研究的核心内容 | 第20页 |
| 1.3.3 论文各章节结构安排 | 第20-23页 |
| 第二章 涡轮相关几何结构概述 | 第23-33页 |
| 2.1 高压涡轮叶尖间隙结构构形 | 第23-29页 |
| 2.1.1 高压涡轮叶片结构及大修厂的磨削维修阐述 | 第24-25页 |
| 2.1.2 高压涡轮内侧机匣及Linipot机匣测量软件介绍 | 第25-29页 |
| 2.2 影响高压涡轮主动间隙控制准确度的因素 | 第29-30页 |
| 2.3 整机振动对涡轮性能的影响程度分析 | 第30-31页 |
| 2.4 维修手册中提及的几何结构对涡轮性能的影响 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 涡轮相关几何结构在高温环境下形变的定性分析 | 第33-48页 |
| 3.1 实验流程和遇到问题 | 第33-34页 |
| 3.2 实验现象和结果分析 | 第34-46页 |
| 3.2.1 涡轮内侧机匣被磨削的对应推力级别 | 第34-38页 |
| 3.2.2 涡轮位置周身冷却气路分析 | 第38-42页 |
| 3.2.3 高压涡轮内侧机匣高温形变及形变机理分析 | 第42-44页 |
| 3.2.4 振动对涡轮单元体的影响程度研究 | 第44-46页 |
| 3.2.5 引气管路、机匣材料、振动和Linipot等定性分析总结 | 第46页 |
| 3.3 本章小结 | 第46-48页 |
| 第四章 基于HPT相关结构参数的EGTM预测模型的研究 | 第48-68页 |
| 4.1 主成分分析法 | 第48-50页 |
| 4.2 LM-BP神经网络理论 | 第50-54页 |
| 4.2.1 神经网络 | 第50-51页 |
| 4.2.2 BP神经网络 | 第51-53页 |
| 4.2.3 基于Levenberg-Marquardt的BP神经网络 | 第53-54页 |
| 4.3 支持向量理论 | 第54-57页 |
| 4.3.1 理论基础 | 第54-55页 |
| 4.3.2 SVM逻辑算法介绍 | 第55-56页 |
| 4.3.3 LSSVM逻辑算法介绍 | 第56-57页 |
| 4.4 数据预处理 | 第57-59页 |
| 4.5 模型建立和比较 | 第59-66页 |
| 4.5.1 基于SVM的各推力EGTM预测模型及其优化算法 | 第59-61页 |
| 4.5.2 基于LSSVM的各推力EGTM预测模型 | 第61-62页 |
| 4.5.3 基于LM-BP的各推力EGTM预测模型 | 第62-64页 |
| 4.5.4 各类预测模型的比较与甄别 | 第64-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第五章 利用EGTM预测模型对HPT相关结构参数量化寻优 | 第68-82页 |
| 5.1 安装后HPT Shroud形变偏向对EGTM的影响及建模理论确定 | 第69-72页 |
| 5.1.1 EGTM预测模型的建模理论鉴定 | 第69-72页 |
| 5.1.2 安装后HPT Shroud形变偏向对EGTM影响的研究分析 | 第72页 |
| 5.2 量化高压涡轮叶尖间隙的EGTM寻优 | 第72-76页 |
| 5.2.1 利用EGTM预测模型对HPT Tipclearance进行量化寻优 | 第73-75页 |
| 5.2.2 利用实验结果验证HPT Tipclearance量化寻优结果 | 第75-76页 |
| 5.3 量化涡轮冷却气路迷宫封严尺寸的EGTM寻优 | 第76-79页 |
| 5.4 量化燃烧室出口截面积的EGTM寻优 | 第79-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-85页 |
| 6.1 本文研究内容总结 | 第82-83页 |
| 6.2 研究内容的展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 作者简介 | 第91页 |
