| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·航空发动机状态监测和故障诊断的意义 | 第11页 |
| ·航空发动机的状态监测现状 | 第11-13页 |
| ·油液监测技术概况 | 第13-14页 |
| ·本文主要研究的内容 | 第14-16页 |
| 第二章 同位素XRF 及显微图像分析技术 | 第16-33页 |
| ·主要的油液检测技术 | 第16-18页 |
| ·理化监测分析 | 第16页 |
| ·污染度监测分析 | 第16页 |
| ·谱分析 | 第16-18页 |
| ·X 射线荧光分析及显微图像分析 | 第18页 |
| ·同位素XRF 技术 | 第18-27页 |
| ·同位素XRF 原理 | 第18-19页 |
| ·能谱解析 | 第19-25页 |
| ·定量分析 | 第25-27页 |
| ·显微图像分析油液监测技术 | 第27-32页 |
| ·显微图像监测原理 | 第27页 |
| ·磨粒特征参数 | 第27-31页 |
| ·磨粒分类 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 智能分析方法研究 | 第33-55页 |
| ·神经网络分析 | 第33-39页 |
| ·BP 网络模型 | 第33-37页 |
| ·RBF 网络模型 | 第37-39页 |
| ·灰色关联分析 | 第39-42页 |
| ·Dempster-Shafer 证据理论 | 第42-48页 |
| ·信息融合 | 第42-44页 |
| ·Dempster-Shafer 证据理论 | 第44-46页 |
| ·D-S 证据理论信息融合算例 | 第46-48页 |
| ·灰色预测 | 第48-51页 |
| ·灰色预测模型 | 第48-50页 |
| ·灰色预测算例 | 第50-51页 |
| ·界限值制定方法 | 第51-53页 |
| ·统计法 | 第52页 |
| ·线性回归法 | 第52-53页 |
| ·制定界限值算例 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于XRF 和显微图像分析的发动机智能监测 | 第55-72页 |
| ·磨粒分析磨损故障诊断 | 第55-56页 |
| ·基本诊断原理 | 第55页 |
| ·磨粒分析的诊断标准 | 第55-56页 |
| ·金属元素分析故障诊断 | 第56-60页 |
| ·智能融合分析模型 | 第60-62页 |
| ·智能融合分析模型的应用实例 | 第62-70页 |
| ·制定金属故障界限值 | 第62-64页 |
| ·XRF 单项故障诊断 | 第64-66页 |
| ·磨损故障融合诊断 | 第66-69页 |
| ·状态预测 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第五章 发动机智能融合监测系统设计与实现 | 第72-80页 |
| ·总体设计 | 第72-73页 |
| ·数据库设计 | 第73-74页 |
| ·系统软件开发 | 第74-75页 |
| ·开发环境 | 第74-75页 |
| ·数据采集及存储 | 第75页 |
| ·系统软件实现及简介 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| ·论文总结 | 第80页 |
| ·后续研究工作及展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 在学期间的研究成果及所发表的学术论文 | 第87页 |