| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 航空发动机性能参数预处理和趋势预测研究现状 | 第11-15页 |
| 1.2.1 参数预处理的研究现状 | 第11-14页 |
| 1.2.2 时间序列预测研究现状 | 第14-15页 |
| 1.3 本文主要内容 | 第15-18页 |
| 第二章 航空发动机气路状态监控 | 第18-25页 |
| 2.1 巡航时航空发动机趋势监控 | 第18-20页 |
| 2.1.1 巡航数据采集 | 第18页 |
| 2.1.2 偏差量计算 | 第18-19页 |
| 2.1.3 数据平滑 | 第19-20页 |
| 2.1.4 趋势图解释 | 第20页 |
| 2.2 发动机起飞EGT裕度 | 第20-23页 |
| 2.2.1 起飞数据采集 | 第21页 |
| 2.2.2 起飞EGT裕度定义 | 第21-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 航空发动机气路性能参数预处理研究 | 第25-32页 |
| 3.1 航空发动机气路性能参数异常识别 | 第25-27页 |
| 3.1.1 基于统计分析的数据识别 | 第25-26页 |
| 3.1.2 拉依达准则(3σ准则) | 第26-27页 |
| 3.2 航空发动机性能参数的平滑处理 | 第27-28页 |
| 3.3 实例分析 | 第28-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 基于时间序列方法的航空发动机气路性能参数趋势预测 | 第32-44页 |
| 4.1 时间序列方法介绍 | 第32-35页 |
| 4.2 基于时间序列方法的航空发动机气路性能参数趋势预测 | 第35-42页 |
| 4.2.1 数据的来源和描述 | 第35页 |
| 4.2.2 数据的平稳性识别 | 第35-37页 |
| 4.2.3 模型参数的识别 | 第37页 |
| 4.2.4 模型检验 | 第37-38页 |
| 4.2.5 模型预测分析 | 第38-42页 |
| 4.3 本章小结 | 第42-44页 |
| 第五章 基于最小二乘支持向量机(LS-SVM)的航空发动机气路性能趋势预测 | 第44-64页 |
| 5.1 支持向量机的基本理论 | 第44-51页 |
| 5.1.1 统计学习理论 | 第44-47页 |
| 5.1.2 支持向量机分类(SVC) | 第47-48页 |
| 5.1.3 支持向量机回归(SVR) | 第48-51页 |
| 5.2 最小二乘支持向量机(LS-SVM) | 第51-55页 |
| 5.2.1 最小二乘支持向量机基本原理 | 第51-52页 |
| 5.2.2 核函数 | 第52-54页 |
| 5.2.3 LS-SVM参数选择问题 | 第54-55页 |
| 5.3 基于LS-SVM模型的航空发动机气路性能参数趋势预测 | 第55-62页 |
| 5.3.1 模型参数的选择 | 第55-57页 |
| 5.3.2 模型的训练与预测分析 | 第57-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第六章 系统设计与实现 | 第64-80页 |
| 6.1 开发环境及工具 | 第64-67页 |
| 6.1.1 Java语言 | 第64-65页 |
| 6.1.2 Eclipse简介 | 第65-67页 |
| 6.2 系统的主要模块与功能介绍 | 第67-79页 |
| 6.3 本章小结 | 第79-80页 |
| 总结与展望 | 第80-83页 |
| 参考文献 | 第83-87页 |
| 附录 | 第87-92页 |
| 攻读硕士学位期间学术成果 | 第92-93页 |
| 致谢 | 第93页 |
