| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 注释表 | 第11-13页 |
| 第一章 绪论 | 第13-17页 |
| ·问题的提出 | 第13页 |
| ·发动机机载自适应模型 | 第13-15页 |
| ·发动机高稳定性控制 | 第15页 |
| ·本文的内容安排 | 第15-17页 |
| 第二章 基于常规卡尔曼滤波技术的发动机机载自适应模型 | 第17-31页 |
| ·概述 | 第17-18页 |
| ·自适应模型各个功能模块 | 第18-30页 |
| ·发动机部件级模型 | 第18-19页 |
| ·输入/输出转换模块 | 第19-20页 |
| ·状态变量模型（SVM） | 第20-23页 |
| ·状态变量模型（SVM）的精度 | 第23-25页 |
| ·卡尔曼滤波器设计 | 第25-27页 |
| ·非线性计算 | 第27-28页 |
| ·卡尔曼滤波器的估计能力仿真 | 第28-29页 |
| ·滤波器参数选取问题 | 第29-30页 |
| ·Q,R 阵的选取 | 第29页 |
| ·健康参数蜕化量的选取 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于改进卡尔曼滤波器的航空发动机机载自适应模型 | 第31-38页 |
| ·概述 | 第31页 |
| ·改进卡尔曼滤波器 | 第31-32页 |
| ·改进卡尔曼滤波器的估计能力仿真 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于SVD 降维卡尔曼滤波器的参数估计 | 第38-47页 |
| ·概述 | 第38页 |
| ·奇异值分解(SVD)算法 | 第38-43页 |
| ·问题描述 | 第38-40页 |
| ·奇异值分解（SVD）算法介绍 | 第40-42页 |
| ·降维卡尔曼滤波器的设计步骤 | 第42-43页 |
| ·基于降维卡尔曼滤波器的参数估计 | 第43-45页 |
| ·基于SVD 降维卡尔曼滤波器的参数选择 | 第43-44页 |
| ·滤波器参数估计能力仿真 | 第44-45页 |
| ·关于估计误差的说明 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第五章 最小二乘支持向量机在航空发动机自适应建模中的应用 | 第47-55页 |
| ·前言 | 第47页 |
| ·最小二乘支持向量机理论 | 第47-49页 |
| ·RR-LSSVR | 第49页 |
| ·基于RR-LSSVR 的航空发动机自适应模型 | 第49-53页 |
| ·特征选择 | 第50-51页 |
| ·基于RR-LSSVR 的自适应模型的建立和仿真实验 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 基于攻角预测模型的航空发动机高稳定性控制 | 第55-68页 |
| ·概述 | 第55-57页 |
| ·基于攻角预测的发动机高稳定性控制原理 | 第57-61页 |
| ·喘振裕度损失超前计算模块 | 第58-61页 |
| ·攻角α预测模型 | 第58-59页 |
| ·飞行攻角和喘振裕度损失ΔSML 的关系模型 | 第59-60页 |
| ·风扇喘振裕度的修正 | 第60-61页 |
| ·扩展的发动机模型 | 第61页 |
| ·控制规律设计 | 第61-63页 |
| ·非线性仿真实例 | 第63-67页 |
| ·数字仿真结果及分析 | 第63-67页 |
| ·数字仿真平台 | 第63-64页 |
| ·数字仿真验证 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |
