首页--航空、航天论文--航空论文--航空制造工艺论文--航空器的维护与修理论文

基于深度学习网络的航空发电机旋转整流器诊断技术研究

摘要第4-5页
ABSTRACT第5页
缩略词第10-11页
第一章 绪论第11-19页
    1.1 研究背景及意义第11页
    1.2 飞机电源系统与航空三级式发电机第11-14页
        1.2.1 飞机电源系统简介第11-13页
        1.2.2 航空三级式发电机简介第13-14页
    1.3 旋转整流器故障诊断技术概述第14-18页
        1.3.1 发电机故障诊断技术概述第14-15页
        1.3.2 旋转整流器故障诊断技术研究现状第15-18页
    1.4 论文研究内容及章节安排第18-19页
第二章 基于DBN的故障诊断技术研究第19-50页
    2.1 频谱分析方法简介第19-20页
    2.2 旋转整流器故障分类方法第20-27页
        2.2.1 常规故障分类方法第20-23页
        2.2.2 基于DBN的故障分类方法第23-27页
    2.3 基于DBN的故障诊断流程第27-28页
    2.4 仿真实验模型简介第28-32页
        2.4.1 发电机整体模型第28-30页
        2.4.2 旋转整流器模型第30页
        2.4.3 旋转整流器故障模式及故障信号选取第30-32页
    2.5 仿真实验验证第32-40页
        2.5.1 信号采集与处理第32-36页
        2.5.2 故障诊断第36-37页
        2.5.3 实验结果分析第37-40页
    2.6 实际实验验证第40-49页
        2.6.1 实验平台说明第40-43页
        2.6.2 信号采集与处理第43-45页
        2.6.3 故障诊断第45页
        2.6.4 实验结果分析第45-49页
    2.7 本章小结第49-50页
第三章 基于SAE的故障诊断技术研究第50-64页
    3.1 堆栈自动编码器简介第50-52页
    3.2 基于SAE-MDC的故障诊断方法第52-57页
        3.2.1 最小距离分类法简介第52页
        3.2.2 诊断流程第52-54页
        3.2.3 实验验证第54-56页
        3.2.4 实验结果及结论第56-57页
    3.3 基于SAE-SVDD的故障诊断方法第57-63页
        3.3.1 支持向量数据描述算法简介第58-59页
        3.3.2 诊断流程第59-61页
        3.3.3 实验验证第61页
        3.3.4 实验结果及结论第61-63页
    3.4 本章小结第63-64页
第四章 总结与展望第64-66页
    4.1 本文工作总结第64页
    4.2 后续工作展望第64-66页
参考文献第66-72页
致谢第72-73页
在学期间的研究成果及发表的学术论文第73页

论文共73页,点击 下载论文
上一篇:纵列式双旋翼无人直升机飞行控制研究
下一篇:一种过驱动四旋翼飞行器的平衡性与操纵策略研究