| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 偏最小二乘预测研究现状 | 第12-13页 |
| 1.2.2 神经网络预测研究现状 | 第13-14页 |
| 1.2.3 支持向量机预测研究现状 | 第14-15页 |
| 1.2.4 组合预测研究现状 | 第15-16页 |
| 1.3 本文主要研究内容及创新点 | 第16-19页 |
| 1.3.1 论文的主要研究内容 | 第16-18页 |
| 1.3.2 论文可能存在的创新点 | 第18-19页 |
| 第二章 航空发动机的相关参数筛选及前期处理 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 性能参数时间序列的异常点识别与平滑 | 第19-25页 |
| 2.2.1 性能参数时间序列建立 | 第19-20页 |
| 2.2.2 识别异常点模型建立 | 第20-22页 |
| 2.2.3 性能参数的平滑处理 | 第22-23页 |
| 2.2.4 实例分析 | 第23-25页 |
| 2.3 航空发动机性能参数相关性分析 | 第25-26页 |
| 2.3.1 MIV | 第25页 |
| 2.3.2 实例分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于偏最小二乘法的航空发动机排气温度预测 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 多元线性回归的预测模型 | 第27-30页 |
| 3.2.1 多元线性回归模型 | 第27-28页 |
| 3.2.2 参数的最小二乘估计 | 第28-30页 |
| 3.2.3 预测结果评估方法 | 第30页 |
| 3.3 偏最小二乘的预测模型 | 第30-32页 |
| 3.3.1 PLS的预测模型的建模步骤 | 第30-32页 |
| 3.3.2 偏最小二乘法的相关操作 | 第32页 |
| 3.4 实例分析 | 第32-36页 |
| 3.4.1 多元线性回归预测 | 第32-33页 |
| 3.4.2 偏最小二乘回归预测 | 第33-34页 |
| 3.4.3 PLS预测误差对比 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于改进支持向量机的航空发动机排气温度预测 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 支持向量机预测模型 | 第37-39页 |
| 4.3 自适应扰动量子粒子群算法 | 第39-42页 |
| 4.3.1 基本量子粒子群算法 | 第39页 |
| 4.3.2 自适应扰动量子粒子群 | 第39-41页 |
| 4.3.3 ADQPSO-SVR的预测流程图及算法实现 | 第41-42页 |
| 4.4 实例分析 | 第42-46页 |
| 4.4.1 参数设置 | 第42-43页 |
| 4.4.2 训练样本对比分析研究 | 第43-44页 |
| 4.4.3 抗噪能力对比分析研究 | 第44-45页 |
| 4.4.4 训练时间对比分析研究 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于ADQPSO-Elman神经网络的航空发动机排气温度预测 | 第47-59页 |
| 5.1 引言 | 第47页 |
| 5.2 Elman神经网络的预测模型 | 第47-49页 |
| 5.2.1 Elman神经网络结构 | 第47-48页 |
| 5.2.2 Elman神经网络计算原理 | 第48-49页 |
| 5.3 基于ADQPSO优化Elman神经网络的预测模型 | 第49-52页 |
| 5.3.1 ADQPSO优化Elman神经网络模型 | 第49-51页 |
| 5.3.2 ADQPSO-Elman神经网络的附属相关操作 | 第51-52页 |
| 5.4 实例分析 | 第52-58页 |
| 5.4.1 训练样本对比分析研究 | 第52-54页 |
| 5.4.2 抗噪能力对比分析研究 | 第54-55页 |
| 5.4.3 神经网络训练过程对比分析研究 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 基于组合模型的航空发动机排气温度预测 | 第59-67页 |
| 6.1 引言 | 第59页 |
| 6.2 基于ADQPSO的组合预测方法 | 第59-61页 |
| 6.2.1 组合预测模型 | 第59-60页 |
| 6.2.2 ADQPSO的组合预测方法 | 第60-61页 |
| 6.3 实例分析 | 第61-66页 |
| 6.3.1 模型筛选 | 第61-62页 |
| 6.3.2 训练样本对比分析研究 | 第62-64页 |
| 6.3.3 抗噪能力对比分析研究 | 第64-65页 |
| 6.3.4 优化过程以及训练时间对比分析研究 | 第65-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 全文工作总结 | 第67-68页 |
| 7.2 进一步研究的展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 作者简介 | 第77页 |
