摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 概述 | 第11-12页 |
1.2 研究目的及意义 | 第12-13页 |
1.3 国内外研究现状 | 第13-16页 |
1.3.1 发动机状态监控和故障诊断研究现状 | 第13-15页 |
1.3.2 案例推理方法研究现状 | 第15-16页 |
1.3.3 神经网络研究现状 | 第16页 |
1.4 论文研究内容 | 第16-19页 |
1.4.1 论文研究的关键技术 | 第16-17页 |
1.4.2 论文的章节安排 | 第17-19页 |
第二章 民航发动机数据预处理和诊断方法对比研究 | 第19-35页 |
2.1 概述 | 第19页 |
2.2 数据预处理方法研究 | 第19-24页 |
2.2.1 监控数据采集 | 第19-21页 |
2.2.2 巡航参数数据修正 | 第21-22页 |
2.2.3 发动机基线与参数偏差量 | 第22页 |
2.2.4 数据平滑、初始化和压缩处理 | 第22-23页 |
2.2.5 数据标准化和归一化处理 | 第23-24页 |
2.3 发动机故障诊断流程及方法对比 | 第24-31页 |
2.3.1 发动机故障诊断流程及准则 | 第24-26页 |
2.3.2 发动机性能趋势图 | 第26-27页 |
2.3.3 发动机指印图 | 第27-28页 |
2.3.4 QAR数据分析 | 第28-30页 |
2.3.5 诊断方法对比 | 第30-31页 |
2.4 故障隔离手册的使用 | 第31-33页 |
2.5 故障诊断案例分析 | 第33-34页 |
2.6 本章小结 | 第34-35页 |
第三章 改进关联度算法的案例推理方法研究 | 第35-49页 |
3.1 概述 | 第35-36页 |
3.2 案例推理方法结构及模型研究 | 第36-39页 |
3.2.1 案例推理技术诊断思路分析 | 第36-37页 |
3.2.2 发动机故障案例的表示 | 第37-38页 |
3.2.3 相似案例检索方法研究 | 第38页 |
3.2.4 案例调整及案例库管理 | 第38-39页 |
3.3 发动机案例推理指标参数的选取 | 第39-44页 |
3.3.1 基于趋势图的指标参数选取 | 第39-40页 |
3.3.2 基于转速差与增压比关系的指标参数选取 | 第40-41页 |
3.3.3 基于QAR关键点数据分析的指标参数选取 | 第41-44页 |
3.3.4 可疑点排查算法的实现 | 第44页 |
3.4 改进灰色关联度的检索算法设计 | 第44-47页 |
3.4.1 灰色关联度基本原理分析 | 第45页 |
3.4.2 属性权重的分配方法设计 | 第45-47页 |
3.4.3 检索算法的实例应用 | 第47页 |
3.5 本章小结 | 第47-49页 |
第四章 融合CBR和改进神经网络的故障诊断模型研究 | 第49-64页 |
4.1 概述 | 第49页 |
4.2 PSO算法模型的建立 | 第49-50页 |
4.3 BP神经网络模型的建立 | 第50-53页 |
4.3.1 BP神经网络基本原理分析 | 第50-52页 |
4.3.2 BP神经网络工具箱的应用 | 第52页 |
4.3.3 BP神经网络参数的选择 | 第52-53页 |
4.3.4 基于神经网络的故障诊断系统结构研究 | 第53页 |
4.4 改进神经网络的模型设计 | 第53-58页 |
4.4.1 PSO-BP算法流程分析 | 第53-54页 |
4.4.2 PSO-BP算法步骤设计 | 第54-55页 |
4.4.3 网络输出结果评价 | 第55-56页 |
4.4.4 PSO-BP网络在Iris数据集中的应用 | 第56-57页 |
4.4.5 PSO-BP网络和GA-BP网络的对比 | 第57-58页 |
4.5 基于CBR-NN方法的发动机故障诊断 | 第58-62页 |
4.5.1 CBR-NN方法诊断流程设计 | 第58-59页 |
4.5.2 实例诊断 | 第59-62页 |
4.5.3 结果分析 | 第62页 |
4.6 本章小结 | 第62-64页 |
第五章 基于CBR-NN的民航发动机故障诊断系统 | 第64-72页 |
5.1 概述 | 第64页 |
5.2 诊断系统设计 | 第64-66页 |
5.2.1 诊断系统平台主要功能 | 第64页 |
5.2.2 故障诊断流程设计 | 第64-65页 |
5.2.3 系统体系结构设计 | 第65-66页 |
5.2.4 数据库设计 | 第66页 |
5.3 软件的实现 | 第66-70页 |
5.4 应用实例 | 第70-71页 |
5.5 本章小结 | 第71-72页 |
第六章 全文总结与研究展望 | 第72-74页 |
6.1 研究工作总结 | 第72页 |
6.2 研究展望 | 第72-74页 |
参考文献 | 第74-78页 |
附录A | 第78-82页 |
附录B | 第82-89页 |
致谢 | 第89-90页 |
作者简介 | 第90页 |