| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 引言 | 第13-28页 |
| ·研究背景及意义 | 第13-14页 |
| ·液体火箭发动机健康监控系统研究历程与现状 | 第14-18页 |
| ·国外的研究历程与现状 | 第14-15页 |
| ·国内的研究历程与现状 | 第15-17页 |
| ·涡轮泵健康监控系统 | 第17-18页 |
| ·液体火箭发动机故障检测与诊断技术的研究历程与现状 | 第18-23页 |
| ·故障模式研究 | 第18-19页 |
| ·信号特征选择与提取 | 第19-20页 |
| ·故障检测与诊断方法 | 第20-23页 |
| ·对象模型分析方法 | 第20页 |
| ·信号分析处理的方法 | 第20-22页 |
| ·人工智能方法 | 第22页 |
| ·新异类检测方法 | 第22-23页 |
| ·阶比分析方法 | 第23页 |
| ·液体火箭发动机故障检测与诊断技术的发展趋势 | 第23-26页 |
| ·发动机整体故障检测与诊断技术 | 第23-25页 |
| ·涡轮泵故障检测与诊断算法 | 第25-26页 |
| ·论文的研究内容与结构 | 第26-28页 |
| 第二章 涡轮泵故障模式与机理 | 第28-36页 |
| ·涡轮泵的结构 | 第28-29页 |
| ·涡轮泵的工作环境 | 第29页 |
| ·涡轮泵转子系统振动特性 | 第29-30页 |
| ·涡轮泵的主要故障模式 | 第30-32页 |
| ·涡轮泵故障机理与振动特征 | 第32-35页 |
| ·转子系统故障及其振动特征 | 第32-34页 |
| ·轴承故障及其振动特征 | 第34页 |
| ·泵气蚀故障及其振动特征 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 算法验证要求与故障特征选择 | 第36-45页 |
| ·算法数据来源与验证要求 | 第36-38页 |
| ·数据来源 | 第36页 |
| ·准确性验证要求 | 第36-37页 |
| ·实时性验证要求 | 第37-38页 |
| ·及时性验证要求 | 第38页 |
| ·故障特征选择 | 第38-44页 |
| ·线性相关性分析 | 第39-41页 |
| ·稳定性分析 | 第41-43页 |
| ·故障敏感性分析 | 第43-44页 |
| ·故障特征确定 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于频域特征的故障检测算法 | 第45-81页 |
| ·基于频段峰值比的故障检测算法 | 第45-60页 |
| ·傅里叶变换 | 第45-47页 |
| ·连续时间傅立叶变换 | 第45页 |
| ·离散时间傅里叶变换 | 第45-46页 |
| ·快速傅里叶变换 | 第46-47页 |
| ·算法原理 | 第47-49页 |
| ·算法流程 | 第47-48页 |
| ·信号频段划分 | 第48页 |
| ·频段峰值比计算 | 第48-49页 |
| ·算法验证 | 第49-55页 |
| ·自适应阈值算法 | 第55-59页 |
| ·算法原理 | 第55-57页 |
| ·算法验证 | 第57-59页 |
| ·算法总结 | 第59-60页 |
| ·基于频段突频均方根与 SVM 的故障检测算法 | 第60-80页 |
| ·支持向量机简介 | 第60-66页 |
| ·线性可分问题 | 第60-63页 |
| ·线性不可分问题 | 第63-64页 |
| ·核函数 | 第64-66页 |
| ·算法原理 | 第66-69页 |
| ·算法验证 | 第69-79页 |
| ·频段划分与贡献系数设定 | 第69页 |
| ·SVM 核函数选择 | 第69-70页 |
| ·SVM 训练样本集与决策分类函数构造 | 第70-71页 |
| ·验证结果 | 第71-75页 |
| ·贡献系数的影响性验证 | 第75-76页 |
| ·基于突频均方根的自适应阈值算法验证 | 第76-79页 |
| ·算法总结 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 基于时域特征的故障检测算法 | 第81-109页 |
| ·基于均方根的自适应 C-SVM 算法 | 第81-88页 |
| ·算法原理 | 第81-85页 |
| ·C-SVM 算法 | 第81-82页 |
| ·算法流程 | 第82-83页 |
| ·决策分类函数的自适应更新 | 第83-84页 |
| ·故障特征提取 | 第84-85页 |
| ·算法验证 | 第85-87页 |
| ·算法总结 | 第87-88页 |
| ·多特征快速 SVM 算法 | 第88-98页 |
| ·算法原理 | 第88-92页 |
| ·算法流程 | 第88-89页 |
| ·边界样本获取 | 第89-90页 |
| ·故障特征提取 | 第90-91页 |
| ·故障判定策略 | 第91-92页 |
| ·算法验证 | 第92-98页 |
| ·条件正定核函数分类效果验证 | 第92页 |
| ·验证结果 | 第92-96页 |
| ·决策分类函数自适应更新算法验证 | 第96-98页 |
| ·算法总结 | 第98页 |
| ·基于小波均方根向量与 SVM 的故障检测算法 | 第98-107页 |
| ·小波变换 | 第98-100页 |
| ·算法原理 | 第100-102页 |
| ·算法流程 | 第100-101页 |
| ·步长信号的小波分解与重构 | 第101页 |
| ·故障特征提取 | 第101-102页 |
| ·算法验证 | 第102-107页 |
| ·算法总结 | 第107页 |
| ·本章小结 | 第107-109页 |
| 第六章 经典实时故障检测算法验证 | 第109-120页 |
| ·多特征红线报警算法 | 第109-113页 |
| ·算法简介 | 第109-110页 |
| ·算法验证 | 第110-113页 |
| ·多特征自适应阈值算法 | 第113-116页 |
| ·算法简介 | 第113-114页 |
| ·算法验证 | 第114-116页 |
| ·自适应相关阈值算法 | 第116-119页 |
| ·算法简介 | 第116-117页 |
| ·算法验证 | 第117-119页 |
| ·本章小结 | 第119-120页 |
| 第七章 结论 | 第120-124页 |
| ·研究结论 | 第120-123页 |
| ·工作展望 | 第123-124页 |
| 致谢 | 第124-125页 |
| 参考文献 | 第125-132页 |
| 在学期间取得的研究成果 | 第132-133页 |