| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 注释表 | 第17-18页 |
| 缩略词 | 第18-19页 |
| 第一章 绪论 | 第19-34页 |
| 1.1 引言 | 第19-20页 |
| 1.2 国内外研究现状 | 第20-31页 |
| 1.2.1 发动机数据预处理现状 | 第20-21页 |
| 1.2.2 发动机状态监视、故障诊断现状 | 第21-29页 |
| 1.2.3 基于大数据的发动机健康管理方法现状 | 第29-31页 |
| 1.3 论文主要内容及结构 | 第31-34页 |
| 第二章 基于子空间的监测数据实时重构方法研究 | 第34-60页 |
| 2.1 概述 | 第34-35页 |
| 2.2 问题模型及数据说明 | 第35-39页 |
| 2.2.1 问题模型 | 第35-36页 |
| 2.2.2 数据说明及分析 | 第36-38页 |
| 2.2.3 数据分析 | 第38-39页 |
| 2.3 数据证实算法 | 第39-45页 |
| 2.3.1 AANN方法 | 第39-41页 |
| 2.3.2 PIMC算法 | 第41-44页 |
| 2.3.3 基于PIMC算法的航空发动机数据重构模型 | 第44-45页 |
| 2.4 实验分析 | 第45-59页 |
| 2.4.1 仿真数据实验结果 | 第45-55页 |
| 2.4.2 真实数据实验结果 | 第55-59页 |
| 2.5 本章小结 | 第59-60页 |
| 第三章 发动机在线状态监测的特征加权聚类方法研究 | 第60-78页 |
| 3.1 概述 | 第60-61页 |
| 3.2 FCS算法和WFCS算法 | 第61-71页 |
| 3.2.1 FCS算法 | 第61-62页 |
| 3.2.2 WFCS算法 | 第62-71页 |
| 3.3 基于特征加权的航空发动机状态在线监视模型 | 第71-77页 |
| 3.3.1 航空发动机状态监视模型 | 第72页 |
| 3.3.2 模型可行性验证 | 第72-74页 |
| 3.3.3 模型鲁棒性和泛化性能验证 | 第74-77页 |
| 3.4 本章小结 | 第77-78页 |
| 第四章 发动机退化模式识别方法研究 | 第78-98页 |
| 4.1 概述 | 第78-79页 |
| 4.2 相关理论介绍 | 第79-81页 |
| 4.2.1 DTW算法 | 第79-80页 |
| 4.2.2 CCA算法 | 第80页 |
| 4.2.3 CTW算法 | 第80-81页 |
| 4.3 基于相关时间规整的航空发动机故障诊断 | 第81-96页 |
| 4.3.1 发动机故障诊断模型 | 第81-82页 |
| 4.3.2 多性能参数的发动机退化模式识别实验及分析 | 第82-96页 |
| 4.4 本章小结 | 第96-98页 |
| 第五章 发动机健康管理与维修决策支持系统设计研究 | 第98-122页 |
| 5.1 概述 | 第98-100页 |
| 5.2 系统功能需求 | 第100-101页 |
| 5.3 系统架构 | 第101-108页 |
| 5.3.1 总体架构 | 第101-104页 |
| 5.3.2 技术架构 | 第104-108页 |
| 5.4 数据质量监控 | 第108-114页 |
| 5.4.1 元数据管理 | 第108-110页 |
| 5.4.2 信息标准管理 | 第110-112页 |
| 5.4.3 数据质量管理 | 第112-114页 |
| 5.5 系统功能设计 | 第114-120页 |
| 5.6 本章小结 | 第120-122页 |
| 第六章 结语和未来工作展望 | 第122-124页 |
| 6.1 结语 | 第122-123页 |
| 6.2 未来工作展望 | 第123-124页 |
| 参考文献 | 第124-138页 |
| 致谢 | 第138-139页 |
| 在学期间的研究成果及发表的学术论文 | 第139-140页 |
| 附录 | 第140-159页 |