| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 航空发动机振动分析现状 | 第16-17页 |
| 1.2.2 算法应用现状 | 第17-18页 |
| 1.2.3 神经网络的发展 | 第18-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 论文结构 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 AI-ESTIMATE系统概述 | 第22-28页 |
| 2.1 AI-ESTIMATE系统来源及发展 | 第22-23页 |
| 2.2 系统的体系结构 | 第23-25页 |
| 2.2.1 体系结构 | 第23-24页 |
| 2.2.2 诊断模型层次关系 | 第24-25页 |
| 2.3 接口层定义 | 第25-26页 |
| 2.4 诊断推理机机制 | 第26-27页 |
| 2.4.1 诊断推理机 | 第26页 |
| 2.4.2 诊断推理机制 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于BP神经网络的航空发动机不平衡振动故障挖掘 | 第28-43页 |
| 3.1 引言 | 第28-29页 |
| 3.2 神经网络概述 | 第29-33页 |
| 3.2.1 神经网络的基本原理 | 第29-32页 |
| 3.2.2 神经网络的分类 | 第32-33页 |
| 3.2.3 神经网络的应用 | 第33页 |
| 3.3 基于BP神经网络的航空发动机不平衡量故障挖掘 | 第33-36页 |
| 3.3.1 航空发动机不平衡 | 第34-35页 |
| 3.3.2 差值等差离散化 | 第35-36页 |
| 3.4 实验结果 | 第36-42页 |
| 3.4.1 实验数据集 | 第37-39页 |
| 3.4.2 评价标准 | 第39页 |
| 3.4.3 实验结果与分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于BP神经网络的航空发动机振动AI-ESTIMATE系统设计 | 第43-57页 |
| 4.1 引言 | 第43-44页 |
| 4.2 振动故障诊断推理机系统设计 | 第44-49页 |
| 4.2.1 诊断模型层次结构 | 第44-46页 |
| 4.2.2 故障决策模块结构框图 | 第46-48页 |
| 4.2.3 诊断推理机流程图 | 第48-49页 |
| 4.3 诊断推理机核心模块解决方案 | 第49-50页 |
| 4.3.1 模型训练模块解决方案 | 第49页 |
| 4.3.2 重启模型训练解决方案 | 第49-50页 |
| 4.3.3 构件连接子解决方案 | 第50页 |
| 4.4 航空发动机振动分析系统设计与展示 | 第50-56页 |
| 4.4.1 系统软件架构 | 第50-51页 |
| 4.4.2 系统功能架构 | 第51-52页 |
| 4.4.3 数据组织结构 | 第52-54页 |
| 4.4.4 核心算法实现 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的学术活动及成果情况 | 第62-63页 |
