航空发动机智能故障诊断与容错控制的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 图表目录 | 第8-9页 |
| 注释表 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究技术的现状分析 | 第11-15页 |
| ·发动机数控系统故障诊断技术研究内容 | 第11-13页 |
| ·容错控制的现状和分析 | 第13-15页 |
| ·论文内容安排 | 第15-17页 |
| 第二章 建立发动机状态变量模型 | 第17-25页 |
| ·概述 | 第17页 |
| ·线性化状态变量模型及求解 | 第17-22页 |
| ·基于小扰动建模法的理论分析 | 第17-20页 |
| ·仿真研究 | 第20-22页 |
| ·大偏差状态变量模型及求解 | 第22-24页 |
| ·大偏差状态建模的理论分析 | 第22-23页 |
| ·仿真研究 | 第23-24页 |
| ·本章总结 | 第24-25页 |
| 第三章 基于卡尔曼滤波器的故障诊断研究 | 第25-36页 |
| ·引言 | 第25页 |
| ·卡尔曼滤波器估计发动机蜕化量 | 第25-28页 |
| ·模糊卡尔曼滤波器估计发动机性能蜕化 | 第28-32页 |
| ·问题描述 | 第28-29页 |
| ·模糊滤波器的设计 | 第29-30页 |
| ·仿真研究 | 第30-32页 |
| ·基于卡尔曼滤波器的传感器故障诊断 | 第32-34页 |
| ·传感器故障诊断系统的构建 | 第32-33页 |
| ·仿真结果 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于鲁棒滤波器的故障诊断 | 第36-43页 |
| ·引言 | 第36页 |
| ·系统描述 | 第36-37页 |
| ·鲁棒故障滤波器的设计 | 第37-40页 |
| ·仿真算例 | 第40-42页 |
| ·结论 | 第42-43页 |
| 第五章 基于神经网络的发动机气路故障诊断 | 第43-54页 |
| ·引言 | 第43页 |
| ·人工神经网络简介 | 第43-44页 |
| ·神经网络结构与学习原理 | 第44-47页 |
| ·神经网络结构及人工神经元模型的分析 | 第44-46页 |
| ·神经网络的学习规则的研究 | 第46-47页 |
| ·发动机部件神经网络故障诊断 | 第47-53页 |
| ·神经网络和故障样本的选取 | 第47-50页 |
| ·故障诊断分析 | 第50-53页 |
| ·本章总结 | 第53-54页 |
| 第六章 航空发动机反推自适应神经网络容错控制 | 第54-68页 |
| ·引言 | 第54页 |
| ·基于反推方法的一类自适应神经网络容错控制 | 第54-61页 |
| ·问题描述 | 第55页 |
| ·基于反推方法的自适应神经网络容错控制器的设计 | 第55-58页 |
| ·控制器稳定性分析 | 第58-59页 |
| ·仿真研究 | 第59-61页 |
| ·基于反推方法的航空发动机自适应神经网络容错控制 | 第61-67页 |
| ·系统模型的建立 | 第61-62页 |
| ·控制器设计 | 第62-65页 |
| ·仿真实例 | 第65-67页 |
| ·结论 | 第67-68页 |
| 第七章 T-S 模糊输出反馈鲁棒容错控制 | 第68-75页 |
| ·引言 | 第68-69页 |
| ·问题描述 | 第69-70页 |
| ·控制器的设计 | 第70-72页 |
| ·仿真研究 | 第72-74页 |
| ·总结 | 第74-75页 |
| 第八章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 在学期间的研究成果及发表的学术论文 | 第83页 |
