| 中文摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 民用发动机健康监控的研究背景 | 第10-12页 |
| 1.2 民用发动机健康监控的研究现状 | 第12-16页 |
| 1.3 民用发动机健康监控的发展方向 | 第16-18页 |
| 1.3.1 基于人工智能的方法 | 第16-17页 |
| 1.3.2 基于信息融合的方法 | 第17页 |
| 1.3.3 发动机在翼使用寿命的预测方法 | 第17-18页 |
| 1.4 本文的研究内容 | 第18-20页 |
| 第二章 民航涡扇发动机状态监控 | 第20-40页 |
| 2.1 发动机巡航趋势监控 | 第21-28页 |
| 2.1.1 数据筛选与获取 | 第22-23页 |
| 2.1.2 相似修正 | 第23-24页 |
| 2.1.3 功率修正 | 第24-25页 |
| 2.1.4 数据平滑与小偏差 | 第25页 |
| 2.1.5 趋势图解释 | 第25-26页 |
| 2.1.6 影响发动机巡航趋势的故障类型 | 第26-27页 |
| 2.1.7 实际案例分析 | 第27-28页 |
| 2.2 基于主成分分析（PCA）的发动机气路健康监控 | 第28-35页 |
| 2.2.1 主成分分析原理 | 第29-31页 |
| 2.2.2 标准化变量的主成分 | 第31-32页 |
| 2.2.3 在发动机气路健康监控中的应用 | 第32-35页 |
| 2.3 基于信息熵的发动机性能分析 | 第35-39页 |
| 2.3.1 信息熵的相关概念 | 第35-36页 |
| 2.3.2 应用实例 | 第36-38页 |
| 2.3.3 结论 | 第38-39页 |
| 2.4 小结 | 第39-40页 |
| 第三章 基于支持向量机的民航发动机故障检测 | 第40-59页 |
| 3.1 统计学习理论 | 第40-42页 |
| 3.1.1 VC 维 | 第40-41页 |
| 3.1.2 推广性的界 | 第41-42页 |
| 3.1.3 结构风险最小化 | 第42页 |
| 3.2 支持向量机研究现状 | 第42-45页 |
| 3.3 支持向量机主要算法 | 第45-51页 |
| 3.3.1 线性支持向量机 | 第45-46页 |
| 3.3.2 广义线性支持向量机 | 第46-47页 |
| 3.3.3 非线性支持向量机 | 第47-49页 |
| 3.3.4 单分类支持向量机 | 第49-50页 |
| 3.3.5 最小二乘支持向量机 | 第50-51页 |
| 3.4 基于超平面 SVM 的发动机故障检测 | 第51-58页 |
| 3.4.1 样本准备 | 第51-53页 |
| 3.4.2 实例分析 | 第53-55页 |
| 3.4.3 基于 BP 神经网络的故障检测 | 第55-58页 |
| 3.5 小结 | 第58-59页 |
| 第四章 基于支持向量机的民航发动机故障诊断 | 第59-86页 |
| 4.1 基于支持向量机的多分类算法 | 第59-61页 |
| 4.1.1 “一对一”算法 | 第59-60页 |
| 4.1.2 “一对多”算法 | 第60-61页 |
| 4.2 基于 SVM 多分类算法的发动机气路故障诊断 | 第61-85页 |
| 4.2.1 故障样本数据生成 | 第61-62页 |
| 4.2.2 故障诊断应用实例 | 第62-71页 |
| 4.2.3 模型参数的比较 | 第71-76页 |
| 4.2.4 核函数的比较 | 第76-83页 |
| 4.2.5 基于 BP 网络的发动机故障诊断 | 第83-85页 |
| 4.3 小结 | 第85-86页 |
| 第五章 民航发动机在翼寿命预测的研究 | 第86-109页 |
| 5.1 民航发动机起飞 EGT 裕度监控 | 第86-92页 |
| 5.1.1 起飞 EGT 裕度定义 | 第86-88页 |
| 5.1.2 起飞 EGT 裕度估算 | 第88-89页 |
| 5.1.3 利用起飞 EGT 裕度估算预测发动机寿命 | 第89-92页 |
| 5.2 基于模糊层次分析法的发动机寿命综合预测 | 第92-104页 |
| 5.2.1 影响发动机寿命评估预测的因素 | 第93-95页 |
| 5.2.2 模糊层次分析法 | 第95-96页 |
| 5.2.3 发动机在翼寿命评估指标体系的建立 | 第96-102页 |
| 5.2.4 发动机在翼寿命的综合评估 | 第102-104页 |
| 5.3 基于 LS-SVM 回归的发动机寿命预测 | 第104-107页 |
| 5.3.1 LS-SVM 回归的原理 | 第104-105页 |
| 5.3.2 贝叶斯框架下的 LS-SVM 回归 | 第105页 |
| 5.3.3 发动机在翼寿命预测 | 第105-107页 |
| 5.4 小结 | 第107-109页 |
| 第六章 结论与展望 | 第109-111页 |
| 6.1 结论 | 第109-110页 |
| 6.2 展望 | 第110-111页 |
| 参考文献 | 第111-119页 |
| 发表论文和科研情况说明 | 第119-120页 |
| 附录 | 第120-123页 |
| 致谢 | 第123页 |
