航空发动机典型故障监测方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 主要符号表 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究内容及研究目标 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 研究目标 | 第14-15页 |
| 1.4 论文内容安排 | 第15-17页 |
| 第2章 航空发动机典型故障监测研究方案 | 第17-22页 |
| 2.1 航空发动机主燃油泵介绍 | 第17-18页 |
| 2.2 航空发动机主燃油泵工作原理 | 第18页 |
| 2.3 航空发动机典型故障分析 | 第18-19页 |
| 2.4 主燃油泵故障监测技术方案 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第3章 数据有效性确认方法研究 | 第22-30页 |
| 3.1 特征参数选择基本原则 | 第22页 |
| 3.2 航空发动机主燃油泵数据有效性分析 | 第22-29页 |
| 3.2.1 主元分析法理论 | 第22-24页 |
| 3.2.2 数据有效性确认思想 | 第24-26页 |
| 3.2.3 数据有效性的确认 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 基于SVM的主燃油泵故障诊断试验研究 | 第30-37页 |
| 4.1 基于SVM的主燃油泵故障诊断方法 | 第30-34页 |
| 4.1.1 SVM理论基础 | 第30-31页 |
| 4.1.2 SVM故障诊断模型 | 第31-32页 |
| 4.1.3 SVM故障诊断算法 | 第32-34页 |
| 4.2 基于SVM的主燃油泵故障诊断试验研究 | 第34-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第5章 基于ELM的主燃油泵故障诊断试验研究 | 第37-48页 |
| 5.1 基于ELM的主燃油泵故障诊断方法 | 第37-42页 |
| 5.1.1 ELM理论基础 | 第37-39页 |
| 5.1.2 ELM故障诊断模型 | 第39-42页 |
| 5.1.3 ELM故障诊断算法 | 第42页 |
| 5.2 基于ELM的主燃油泵故障诊断试验研究 | 第42-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第6章 基于KELM的主燃油泵故障诊断试验研究 | 第48-58页 |
| 6.1 基于KELM的主燃油泵故障诊断方法 | 第48-51页 |
| 6.1.1 KELM理论基础 | 第48-49页 |
| 6.1.2 KELM故障诊断模型 | 第49-51页 |
| 6.1.3 KELM故障诊断算法 | 第51页 |
| 6.2 基于KELM的主燃油泵故障诊断试验研究 | 第51-56页 |
| 6.3 不同故障识别方法效果比较与分析 | 第56-57页 |
| 6.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第63页 |
