首页--航空、航天论文--航空论文--航空制造工艺论文--航空发动机制造论文--故障分析及排除论文

某型航空发动机气路系统状态监测技术研究

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

论文共70页,点击 下载论文
上一篇:航电试验数据处理方法研究与实现
下一篇:适应飞行速度的无人机编队弹性队形控制技术研究