摘要 | 第5-6页 |
Abstract | 第6页 |
主要符号表 | 第9-10页 |
第1章 绪论 | 第10-22页 |
1.1 课题研究背景和意义 | 第10-12页 |
1.1.1 课题研究背景 | 第10-11页 |
1.1.2 课题研究意义 | 第11-12页 |
1.2 航空发动机状态监测技术研究现状 | 第12-14页 |
1.2.1 国外研究现状 | 第12-13页 |
1.2.2 国内研究现状 | 第13-14页 |
1.3 信息融合技术 | 第14-20页 |
1.3.1 信息融合技术的一般概念 | 第14-15页 |
1.3.2 多源信息融合模型 | 第15-18页 |
1.3.3 信息融合在航空发动机气路系统状态监测的应用 | 第18-20页 |
1.4 研究内容及研究目标 | 第20页 |
1.4.1 研究内容 | 第20页 |
1.4.2 研究目标 | 第20页 |
1.5 本课题研究思路和内容安排 | 第20-22页 |
第2章 航空发动机气路性能数据预处理 | 第22-35页 |
2.1 航空发动机气路系统的一般组成 | 第22-23页 |
2.2 发动机气路系统故障类型分析 | 第23-24页 |
2.3 发动机气路性能数据特点及其预处理方法选择 | 第24-26页 |
2.4 基于自适应加权融合的航空发动机气路性能数据预处理 | 第26-33页 |
2.4.1 自适应加权融合算法基础理论 | 第26-30页 |
2.4.2 基于自适应加权融合算法的试验研究 | 第30-33页 |
2.5 本章小结 | 第33-35页 |
第3章 基于主元分析的航空发动机气路系统状态监测技术研究 | 第35-44页 |
3.1 主元分析方法理论 | 第36-38页 |
3.2 主元分析模型的建立 | 第38页 |
3.3 基于主元分析的特征提取方法 | 第38-39页 |
3.4 基于主元分析的航空发动机气路系统状态监测试验研究 | 第39-43页 |
3.5 本章小结 | 第43-44页 |
第4章 基于神经网络的航空发动机气路系统状态监测技术研究 | 第44-57页 |
4.1 人工神经网络结构原理 | 第44-45页 |
4.2 基于BP神经网络的航空发动机气路系统状态监测技术研究 | 第45-51页 |
4.2.1 BP神经网络理论基础 | 第45-48页 |
4.2.2 基于BP神经网络的航空发动机气路系统状态监测试验验证 | 第48-51页 |
4.3 基于GRNN神经网络的航空发动机气路系统状态监测研究 | 第51-53页 |
4.3.1 GRNN神经网络理论基础 | 第51-52页 |
4.3.2 基于GRNN神经网络的航空发动机气路系统状态监测试验验证 | 第52-53页 |
4.4 基于Elman神经网络的航空发动机气路系统状态监测研究 | 第53-56页 |
4.4.1 Elman神经网络理论基础 | 第53-55页 |
4.4.2 基于Elman神经网络的航空发动机气路系统状态监测试验验证 | 第55-56页 |
4.5 本章小结 | 第56-57页 |
第5章 航空发动机气路系统状态监测冲突消解技术研究 | 第57-64页 |
5.1 冲突消解概述 | 第57-58页 |
5.2 多源信息决策冲突消解方法研究 | 第58-61页 |
5.2.1 模糊积分理论基础 | 第58-60页 |
5.2.2 模糊积分的多决策融合模型 | 第60-61页 |
5.3 基于模糊积分的航空发动机气路系统状态监测冲突消解试验验证 | 第61-63页 |
5.4 试验结果分析 | 第63页 |
5.5 本章小结 | 第63-64页 |
结论 | 第64-66页 |
参考文献 | 第66-68页 |
致谢 | 第68-69页 |
攻读硕士期间发表(含录用)的学术论文 | 第69-70页 |