| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 第二章 气路性能估计理论与方法研究 | 第19-29页 |
| 2.1 航空发动机气路性能估计的关键方法 | 第19-23页 |
| 2.1.1 基于小偏差模型的发动机故障诊断 | 第19-21页 |
| 2.1.2 基于智能算法的发动机故障诊断 | 第21-22页 |
| 2.1.3 基于机器学习的发动机故障诊断 | 第22-23页 |
| 2.2 基于发动机部件级模型的气路健康管理诊断建模 | 第23-28页 |
| 2.2.1 关键技术研究 | 第24-26页 |
| 2.2.2 发动机气路性能估计模型 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于智能算法的气路健康管理技术研究 | 第29-45页 |
| 3.1 基于遗传算法的气路性能参数估计方法 | 第29-33页 |
| 3.1.1 遗传算法操作 | 第30-31页 |
| 3.1.2 基于遗传算法的气路性能估计思想 | 第31-33页 |
| 3.2 传统遗传算法仿真计算与分析 | 第33-35页 |
| 3.3 多源信息融合的遗传算法仿真与分析 | 第35-38页 |
| 3.3.1 基于概率先验条件融合的故障诊断 | 第35-37页 |
| 3.3.2 基于部件先验条件的信息融合 | 第37-38页 |
| 3.4 基于人工萤火虫算法的气路性能参数估计 | 第38-42页 |
| 3.4.1 算法数学描述 | 第39-41页 |
| 3.4.2 算法关键参数分析 | 第41-42页 |
| 3.5 萤火虫算法仿真计算与分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于支持向量机的气路性能估计研究 | 第45-61页 |
| 4.1 基于支持向量机的气路性能估计思想 | 第45-52页 |
| 4.1.1 支持向量机分类算法 | 第46-51页 |
| 4.1.2 支持向量机回归算法 | 第51-52页 |
| 4.2 训练、测试样本选取 | 第52-53页 |
| 4.3 基于支持向量机性能估计仿真分析 | 第53-56页 |
| 4.3.1 基于支持向量机分类算法仿真 | 第54页 |
| 4.3.2 单部件蜕化性能参数估计仿真 | 第54-55页 |
| 4.3.3 多部件故障健康参数估计 | 第55-56页 |
| 4.4 基于修正策略的支持向量回归估计 | 第56-57页 |
| 4.4.1 基于支持向量机回归策略建模 | 第57页 |
| 4.5 基于修正策略回归估计仿真 | 第57-60页 |
| 4.5.1 单部件修正策略仿真 | 第58页 |
| 4.5.2 多部件修正策略仿真 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 多种诊断方法组合的修正策略 | 第61-66页 |
| 5.1 基于支持向量机和遗传算法组合的估计方法 | 第61-62页 |
| 5.2 基于组合算法的仿真计算 | 第62-64页 |
| 5.3 气路性能估计方法性能对比 | 第64-65页 |
| 5.4 总结 | 第65-66页 |
| 第六章 总结和展望 | 第66-68页 |
| 6.1 总结与创新点 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 1：基于支持向量机修正策略与支持向量机方法结果对比 | 第72-74页 |
| 附录 2：基于支持向量机和遗传算法的组合算法计算结果 | 第74-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |
