基于小波包神经网络的航空发动机转子故障诊断
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-13页 |
| 1.2.1 小波分析发展现状 | 第10-11页 |
| 1.2.2 诊断工程发展现状 | 第11页 |
| 1.2.3 基于神经网络的智能诊断的发展现状 | 第11-12页 |
| 1.2.4 基于运行状态信息的可靠性评估发展现状 | 第12-13页 |
| 1.3 本课题的主要研究内容和方法 | 第13-15页 |
| 2 航空发动机转子故障模式分析与小波包数据处理 | 第15-24页 |
| 2.1 转子系统振动的故障机理 | 第15-19页 |
| 2.1.1 转子不平衡 | 第15-16页 |
| 2.1.2 转子不对中 | 第16-17页 |
| 2.1.3 转了动静件摩擦 | 第17页 |
| 2.1.4 转子支承松动 | 第17-19页 |
| 2.2 小波包振动信号降噪 | 第19-20页 |
| 2.2.1 小波包去噪的一般原理 | 第19页 |
| 2.2.2 阈值的选取 | 第19-20页 |
| 2.3 信号的小波包分解和重构 | 第20-22页 |
| 2.4 重构信号小波能量计算 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 两种神经网络融合的航空发动机转子故障诊断 | 第24-37页 |
| 3.1 神经网络的基本原理 | 第24-28页 |
| 3.1.1 BP神经网络的模型 | 第25-26页 |
| 3.1.2 反向传播学习算法 | 第26-28页 |
| 3.2 神经网络设计 | 第28-32页 |
| 3.2.1 BP神经网络输入数据一化 | 第28-29页 |
| 3.2.2 BP神经网络结构设计 | 第29-31页 |
| 3.2.3 对BP算法的改进 | 第31-32页 |
| 3.3 基于BP神经网络和概率神经网络故障诊断 | 第32-34页 |
| 3.4 诊断结果的融合 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 基于核主成分分析的小型航空发动机可靠性分析 | 第37-54页 |
| 4.1 传统可靠性分析的不足 | 第37-38页 |
| 4.2 基于运行状态的可靠性分析流程 | 第38-39页 |
| 4.3 信号特征提取 | 第39-42页 |
| 4.3.1 信号时域和频域特征提取 | 第39-40页 |
| 4.3.2 小波包变换提取信号特征 | 第40-42页 |
| 4.4 基于核主成分分析的状态子空间构造 | 第42-46页 |
| 4.4.1 主成分分析的原理 | 第42-43页 |
| 4.4.2 核主成分分析 | 第43-44页 |
| 4.4.3 核主成分分析构造状态空间的参数选择 | 第44-46页 |
| 4.5 子空间主夹角及映射函数 | 第46-49页 |
| 4.5.1 子空间主夹角 | 第46-48页 |
| 4.5.2 子空间夹角到可靠度的映射函数 | 第48-49页 |
| 4.6 实验验证 | 第49-53页 |
| 4.6.1 轴承可靠性评估 | 第49-51页 |
| 4.6.2 小型航空发动机可靠性评估 | 第51-53页 |
| 4.7 本章小结 | 第53-54页 |
| 5 航空发动机转子故障诊断GUI设计 | 第54-61页 |
| 5.1 引言 | 第54页 |
| 5.2 转子故障诊断系统的功能 | 第54页 |
| 5.3 航空发动机转子故障诊断系统设计 | 第54-60页 |
| 5.3.1 航空发动转子故障诊断系统实现流程 | 第54-55页 |
| 5.3.2 评估系统界面介绍 | 第55-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67-69页 |
