| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及研究的目的与意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究的目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 性能参数预处理 | 第11-13页 |
| 1.2.2 性能参数相关性分析方法 | 第13-14页 |
| 1.2.3 信息融合 | 第14-16页 |
| 1.2.4 性能参数预测技术 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 第2章 航空发动机性能参数预处理 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 航空发动机性能参数异常数据的识别处理 | 第19-23页 |
| 2.2.1 航空发动机性能参数的选择以及时间序列的构建 | 第19-20页 |
| 2.2.2 基于统计方法识别异常点 | 第20-21页 |
| 2.2.3 基于密度方法识别异常点 | 第21-23页 |
| 2.3 航空发动机性能参数小波阈值去噪 | 第23-24页 |
| 2.4 基于 EMD 的航空发动机性能参数小波去噪 | 第24-30页 |
| 2.4.1 经验模态分解方法 | 第24-25页 |
| 2.4.2 基于 EMD 的小波去噪方法 | 第25-26页 |
| 2.4.3 基于 EMD 的小波去噪方法的应用验证 | 第26-28页 |
| 2.4.4 航空发动机性能参数去噪实例分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于混沌理论的性能参数相关性分析 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 相空间重构参数的确定 | 第31-36页 |
| 3.2.1 状态空间重构理论 | 第31-32页 |
| 3.2.2 最佳时间延迟的确定 | 第32-34页 |
| 3.2.3 嵌入维数的确定 | 第34-36页 |
| 3.3 航空发动机性能参数混沌特性的判定 | 第36-39页 |
| 3.3.1 最大 Lyapunov 指数判别 | 第36-37页 |
| 3.3.2 基于小数据量方法的最大 Lyapunov 指数求解 | 第37-39页 |
| 3.4 航空发动机性能参数相关性分析 | 第39-42页 |
| 3.4.1 基于混沌理论的参数相关性分析 | 第39-40页 |
| 3.4.2 参数相关性评价指标 | 第40-42页 |
| 3.4.3 航空发动机性能参数相关性结果分析 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于相空间重构的融合预测模型 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 多变量混沌时间序列融合预测方法 | 第44-46页 |
| 4.2.1 多变量相空间重构预测方法 | 第44-45页 |
| 4.2.2 基于主成分分析的输入样本降维实现 | 第45-46页 |
| 4.3 基于 BP 神经网络的融合预测模型的建立 | 第46-50页 |
| 4.3.1 基于 BP 神经网络的融合预测模型 | 第46-48页 |
| 4.3.2 隐含层神经元数目的确定 | 第48页 |
| 4.3.3 基于遗传算法优化融合预测模型 | 第48-50页 |
| 4.4 基于融合预测模型的航空发动机性能参数预测 | 第50-58页 |
| 4.4.1 预测模型的实现步骤 | 第50-51页 |
| 4.4.2 融合预测模型的有效性验证 | 第51-54页 |
| 4.4.3 性能参数 DEGT 预测实例 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 性能参数融合预测系统开发 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 系统需求分析 | 第59-60页 |
| 5.3 系统功能模块设计 | 第60-62页 |
| 5.4 系统体系架构及开发技术 | 第62-63页 |
| 5.5 系统功能演示 | 第63-68页 |
| 5.5.1 发动机性能参数预处理模块 | 第63-65页 |
| 5.5.2 发动机性能参数相关性分析模块 | 第65-67页 |
| 5.5.3 发动机性能参数融合预测模块 | 第67-68页 |
| 5.6 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |
