基于卡尔曼滤波的航空发动机故障诊断技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-29页 |
| ·航空发动机健康管理系统 | 第16-17页 |
| ·国内外发动机健康管理系统现状 | 第17-20页 |
| ·国外研究概况 | 第17-20页 |
| ·国内研究概况 | 第20页 |
| ·航空发动机气路部件故障诊断技术 | 第20-25页 |
| ·基于模型的故障诊断方法 | 第21-23页 |
| ·基于数据驱动的故障诊断方法 | 第23-25页 |
| ·航空发动机气路故障诊断发展方向 | 第25-26页 |
| ·基于模型的故障诊断 | 第25页 |
| ·融合故障诊断方法 | 第25-26页 |
| ·实时远程故障诊断技术 | 第26页 |
| ·数据挖掘技术 | 第26页 |
| ·本文研究内容 | 第26-29页 |
| 第二章 航空发动机机载自适应模型 | 第29-44页 |
| ·发动机数学模型 | 第29-30页 |
| ·发动机线性模型的建立 | 第30-36页 |
| ·发动机线性模型 | 第30-31页 |
| ·线性模型的参数选择 | 第31-32页 |
| ·线性模型建模方法 | 第32-36页 |
| ·大偏差线性模型 | 第36-38页 |
| ·机载自适应线性模型 | 第38-43页 |
| ·包含健康参数的发动机线性模型 | 第38-40页 |
| ·卡尔曼滤波器设计 | 第40页 |
| ·自适应模型性能仿真 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 基于线性模型的发动机气路部件故障诊断 | 第44-54页 |
| ·发动机气路部件故障的模拟 | 第44-46页 |
| ·基于线性卡尔曼滤波器的发动机故障诊断 | 第46-49页 |
| ·渐变型部件故障诊断 | 第46-48页 |
| ·突变型部件故障诊断 | 第48-49页 |
| ·提高滤波器对于测量野值鲁棒性的方法 | 第49-53页 |
| ·测量序列中野值的判断方法 | 第50-51页 |
| ·修正卡尔曼滤波算法 | 第51-53页 |
| ·本章小节 | 第53-54页 |
| 第四章 航空发动机传感器故障诊断 | 第54-71页 |
| ·传感器故障分析与模拟 | 第54-57页 |
| ·传感器特性分析 | 第54-56页 |
| ·发动机传感器典型故障分析 | 第56-57页 |
| ·传感器故障对发动机故障诊断结果的影响 | 第57页 |
| ·传感器故障诊断与重构 | 第57-62页 |
| ·基于卡尔曼滤波器的传感器故障诊断原理 | 第58-59页 |
| ·传感器故障检测阈值的确定 | 第59页 |
| ·故障传感器数据的重构 | 第59-62页 |
| ·传感器双重故障诊断方法研究 | 第62-65页 |
| ·传感器双重故障诊断原理 | 第63页 |
| ·双重故障诊断实例仿真 | 第63-65页 |
| ·误诊与漏诊问题的讨论 | 第65-66页 |
| ·发动机传感器与部件故障的诊断 | 第66-70页 |
| ·传感器与部件故障分析 | 第66-68页 |
| ·发动机部件与传感器故障诊断仿真 | 第68-70页 |
| ·本章小节 | 第70-71页 |
| 第五章 基于非线性卡尔曼滤波器的发动机故障诊断 | 第71-87页 |
| ·非线性卡尔曼滤波算法 | 第71-74页 |
| ·Unscented 变换 | 第72-73页 |
| ·UKF 滤波 | 第73-74页 |
| ·基于UKF 的发动机故障诊断 | 第74-79页 |
| ·发动机气路部件渐变故障诊断 | 第75-76页 |
| ·发动机气路部件突变故障诊断 | 第76-77页 |
| ·系统与测量噪声矩阵选择方法 | 第77-78页 |
| ·与线性KF 故障诊断结果比较 | 第78-79页 |
| ·传感器故障情况下的诊断方法 | 第79-86页 |
| ·传感器故障下鲁棒UKF 算法设计 | 第79-83页 |
| ·传感器健康参数法 | 第83-86页 |
| ·本章小节 | 第86-87页 |
| 第六章 基于发动机非稳态测量数据的故障诊断 | 第87-96页 |
| ·改进UKF 算法 | 第87-91页 |
| ·平方根UKF 算法 | 第87-89页 |
| ·单形采样UKF 算法 | 第89-91页 |
| ·超球体采样平方根UKF 故障诊断算法 | 第91-93页 |
| ·基于发动机非稳态数据的性能监控与故障诊断 | 第93-94页 |
| ·本章小结 | 第94-96页 |
| 第七章 航空发动机融合故障诊断技术 | 第96-108页 |
| ·基于神经网络的航空发动机传感器故障诊断与重构 | 第96-100页 |
| ·自联想神经网络 | 第96-98页 |
| ·自联想网络的训练样本与训练方法 | 第98-99页 |
| ·传感器故障诊断与数据重构仿真结果 | 第99-100页 |
| ·基于神经网络的发动机故障模式分类 | 第100-103页 |
| ·概率神经网络 | 第100-102页 |
| ·概率神经网络训练样本的选择 | 第102-103页 |
| ·故障模式分类仿真结果与分析 | 第103页 |
| ·航空发动机融合故障诊断技术 | 第103-107页 |
| ·发动机融合故障诊断系统 | 第103-104页 |
| ·融合故障诊断系统仿真验证 | 第104-107页 |
| ·本章小节 | 第107-108页 |
| 第八章 总结与展望 | 第108-111页 |
| ·本文主要工作 | 第108-109页 |
| ·进一步研究的方向 | 第109-111页 |
| 参考文献 | 第111-122页 |
| 致谢 | 第122-123页 |
| 在学期间的研究成果及发表的学术论文 | 第123页 |
