基于神经网络的航空发动机故障诊断研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 主要符号表 | 第10-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11页 |
| ·研究内容 | 第11-14页 |
| ·航空发动机故障诊断技术 | 第11-13页 |
| ·基于神经网络的诊断系统 | 第13-14页 |
| ·本文的主要工作 | 第14页 |
| ·论文组织结构 | 第14-16页 |
| 第2章 故障诊断神经网络 | 第16-25页 |
| ·人工神经网络 | 第16-17页 |
| ·人工神经元 | 第16-17页 |
| ·神经网络学习算法 | 第17页 |
| ·故障诊断网络 | 第17-25页 |
| ·多层感知机 | 第17-19页 |
| ·径向基函数网络 | 第19-21页 |
| ·自组织网络 | 第21-25页 |
| 第3章 故障数据特征提取 | 第25-30页 |
| ·特征提取实现 | 第25-28页 |
| ·特征提取流程 | 第25-26页 |
| ·主成分分析 | 第26-28页 |
| ·故障数据特征提取方案 | 第28-30页 |
| ·故障数据标准化 | 第28页 |
| ·故障数据降维 | 第28-30页 |
| 第4章 发动机故障诊断研究 | 第30-38页 |
| ·涡扇发动机故障机理 | 第30-32页 |
| ·涡扇发动机介绍 | 第30-31页 |
| ·发动机故障机理 | 第31-32页 |
| ·发动机故障模式库 | 第32-34页 |
| ·故障模式分析 | 第32-33页 |
| ·故障模式体系 | 第33-34页 |
| ·故障诊断实现 | 第34-37页 |
| ·故障诊断实现流程 | 第34-35页 |
| ·故障诊断原理分析 | 第35页 |
| ·故障类型识别 | 第35-37页 |
| ·诊断系统实现 | 第37-38页 |
| 第5章 发动机故障诊断模拟实验 | 第38-50页 |
| ·发动机故障环境模拟 | 第38-39页 |
| ·发动机故障样本整合 | 第38页 |
| ·故障数据特征提取实验 | 第38-39页 |
| ·神经网络故障诊断系统 | 第39-43页 |
| ·多层感知机诊断系统 | 第39-41页 |
| ·径向基函数网络诊断系统 | 第41-42页 |
| ·自组织网络诊断系统 | 第42-43页 |
| ·诊断效果评估实验 | 第43-49页 |
| ·多层感知机诊断实验 | 第43-45页 |
| ·径向基函数网络诊断实验 | 第45-47页 |
| ·自组织网络诊断实验 | 第47-49页 |
| ·诊断网络性能比较 | 第49-50页 |
| 结论 | 第50-52页 |
| 全文的主要工作及得到的主要结论总结 | 第50页 |
| 对今后工作的建议 | 第50-52页 |
| 附录Ⅰ 故障特征提取验证程序清单 | 第52-53页 |
| 附录Ⅱ 多层感知机故障诊断验证程序清单 | 第53-54页 |
| 附录Ⅲ 径向基函数网络故障诊断验证程序清单 | 第54-55页 |
| 附录Ⅳ 自组织网络故障诊断验证程序清单 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第60页 |
