航空发动机监控中的现代智能技术研究
| 第一章 绪论 | 第1-10页 |
| 1．1 引言 | 第6-7页 |
| 1．2 现代智能技术在故障诊断中的应用 | 第7-8页 |
| 1．3 本文的主要研究内容和结构安排 | 第8-10页 |
| 第二章 民航发动机监控技术 | 第10-21页 |
| 2．1 民航视情维修与民航发动机性能监控 | 第10-11页 |
| 2．2 航空发动机监控技术现状 | 第11-12页 |
| 2．3 民航发动机主要监控技术 | 第12-21页 |
| 2．3．1 飞行数据分析 | 第12-17页 |
| 2．3．2 航空发动机的滑油监测 | 第17-19页 |
| 2．3．3 无损探伤 | 第19-21页 |
| 第三章 民航发动机性能分析规则发现 | 第21-38页 |
| 3．1 数据挖掘技术及其发展 | 第21-27页 |
| 3．1．1 数据挖掘发展过程 | 第21-22页 |
| 3．1．2 数据挖掘定义 | 第22-24页 |
| 3．1．3 数据挖掘任务分类 | 第24-25页 |
| 3．1．4 数据挖掘与相关学科的区别与联系 | 第25-26页 |
| 3．1．5 数据挖掘研究现状 | 第26-27页 |
| 3．2 数据挖掘过程与方法 | 第27-32页 |
| 3．2．1 数据挖掘处理过程模型 | 第27-28页 |
| 3．2．2 数据挖掘方法的介绍 | 第28-32页 |
| 3．3 航空发动机气路部件性能分析 | 第32-33页 |
| 3．4 飞行数据分析规则发现研究 | 第33-37页 |
| 3．4．1 数据准备 | 第33-36页 |
| 3．4．2 算法设计 | 第36-37页 |
| 3．4．3 挖掘结果评价 | 第37页 |
| 3．5 小结 | 第37-38页 |
| 第四章 神经网络及其在发动机磨损故障诊断中的应用 | 第38-51页 |
| 4．1 神经网络及其在故障诊断中的应用 | 第38-41页 |
| 4．1．1 神经元结构 | 第38-39页 |
| 4．1．2 神经网络结构 | 第39-40页 |
| 4．1．3 神经网络学习方法 | 第40页 |
| 4．1．4 神经网络在故障诊断中的应用 | 第40-41页 |
| 4．2 发动机磨损故障诊断 | 第41-44页 |
| 4．2．1 传统的磨损故障诊断方法 | 第41-43页 |
| 4．2．2 基于磨粒分类信息的磨损故障诊断 | 第43-44页 |
| 4．3 神经网络在磨损故障诊断中的应用 | 第44-50页 |
| 4．3．1 BP网络的结构及学习算法 | 第44-46页 |
| 4．3．2 磨损故障分析器的设计与实现 | 第46-50页 |
| 4．4 小结 | 第50-51页 |
| 第五章 民航发动机性能监控系统设计 | 第51-61页 |
| 5．1 东方航空公司对监控系统的基本要求 | 第51页 |
| 5．2 系统功能设计 | 第51-52页 |
| 5．3 软件系统设计 | 第52-56页 |
| 5．3．1 发动机管理 | 第52-53页 |
| 5．3．2 发动机日数据 | 第53页 |
| 5．3．3 发动机常规监控 | 第53-54页 |
| 5．3．4 发动机特殊监控项目 | 第54-55页 |
| 5．3．5 发动机性能分 | 第55-56页 |
| 5．4 系统软件实现及功能介绍 | 第56-60页 |
| 5．5 小结 | 第60-61页 |
| 结束语 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 在学期间发表的论文 | 第64-65页 |
| 致谢 | 第65页 |
