| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题来源及研究的目的和意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 航空发动机维修方式和状态监控技术研究现状 | 第11-12页 |
| 1.2.2 航空发动机性能参数数据挖掘和趋势预测研究现状 | 第12-16页 |
| 1.2.3 航空发动机健康管理软件的研究现状 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第2章 航空发动机性能参数异常识别及预处理研究 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 航空发动机性能参数数据流 | 第19-20页 |
| 2.3 航空发动机性能参数异常识别 | 第20-23页 |
| 2.3.1 基于统计分析的异常数据识别 | 第20-21页 |
| 2.3.2 基于密度分析的异常数据识别 | 第21-23页 |
| 2.4 航空发动机性能参数的平滑预处理 | 第23-24页 |
| 2.5 实例分析 | 第24-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 航空发动机性能参数趋势预测 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 基于过程神经网络的时间序列预测模型的建立 | 第29-36页 |
| 3.2.1 预测理论引入 | 第29-30页 |
| 3.2.2 多层激励函数的时间加权卷积过程神经网络预测模型 | 第30-32页 |
| 3.2.3 网络输入样本的处理 | 第32-34页 |
| 3.2.4 基于梯度下降算法的学习算法分析 | 第34-36页 |
| 3.3 基于经验模态分解的组合预测模型的构建 | 第36-39页 |
| 3.3.1 经验模态分解方法 | 第36-37页 |
| 3.3.2 组合预测模型的构建 | 第37-39页 |
| 3.4 实例验证 | 第39-45页 |
| 3.4.1 时间加权多激励卷积过程神经网络实例验证 | 第39-42页 |
| 3.4.2 基于经验模态分解组合预测模型实例验证 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 航空发动机综合健康评估及维修决策支持 | 第46-61页 |
| 4.1 引言 | 第46页 |
| 4.2 基于区间数灰色关联 D-S 证据的机队健康排队综合评估 | 第46-50页 |
| 4.2.1 基于灰色关联度的排序模型的建立 | 第46-48页 |
| 4.2.2 证据理论合成规范 | 第48-49页 |
| 4.2.3 mass 函数的获得及评估流程 | 第49-50页 |
| 4.3 基于最小二乘支持向量机的航空发动机维修等级挖掘 | 第50-53页 |
| 4.3.1 最小二乘支持向量机分类模型的建立 | 第50-52页 |
| 4.3.2 分类模型参数优化 | 第52-53页 |
| 4.4 实例验证 | 第53-59页 |
| 4.4.1 基于多参数的发动机健康状态综合评估 | 第53-57页 |
| 4.4.2 基于性能参数挖掘的航空发动机维修等级决策支持 | 第57-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 航空发动机维修决策支持系统开发 | 第61-71页 |
| 5.1 引言 | 第61页 |
| 5.2 软件需求分析 | 第61页 |
| 5.3 软件体系结构与开发手段 | 第61-63页 |
| 5.4 软件功能设计 | 第63-64页 |
| 5.5 系统功能运行实例 | 第64-70页 |
| 5.5.1 发动机基本数据的管理 | 第64-65页 |
| 5.5.2 发动机性能数据的管理模块 | 第65-66页 |
| 5.5.3 发动机性能参数异常识别分析 | 第66页 |
| 5.5.4 发动机预警模块 | 第66-67页 |
| 5.5.5 发动机的性能参数的监控和预测分析 | 第67-68页 |
| 5.5.6 发动机机队性能排队 | 第68页 |
| 5.5.7 发动机的维修等级决策 | 第68-69页 |
| 5.5.8 报表管理 | 第69页 |
| 5.5.9 系统管理 | 第69-70页 |
| 5.6 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
