| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-19页 |
| ·本课题研究的意义 | 第14页 |
| ·国内外的研究现状 | 第14-16页 |
| ·本论文研究的主要内容和结构 | 第16-17页 |
| ·研究方法和创新 | 第17-19页 |
| ·研究方法 | 第17页 |
| ·本论文的创新点 | 第17-19页 |
| 第二章 基于信息融合的发动机故障诊断概念及融合系统结构 | 第19-28页 |
| ·引言 | 第19页 |
| ·航空发动机故障的定义与故障诊断的基本原理 | 第19-20页 |
| ·发动机故障诊断方法的分类及其特点 | 第20-21页 |
| ·发动机故障诊断的研究对象与主要任务 | 第20页 |
| ·发动机故障诊断方法的分类及其特点 | 第20页 |
| ·发动机故障诊断的难点、复杂性和有效性 | 第20-21页 |
| ·基于信息融合的航空发动机故障诊断基本概念 | 第21-23页 |
| ·信息融合的基本概念 | 第21-22页 |
| ·状态监控与故障诊断的基本概念 | 第22页 |
| ·信息融合涉及的应用基础理论与方法 | 第22页 |
| ·在航空发动机试验故障诊断中引入信息融合的原因 | 第22-23页 |
| ·基于多传感器信息融合故障诊断的一般框架 | 第23-25页 |
| ·层次化融合诊断模型 | 第23页 |
| ·信息融合故障诊断的一般框架 | 第23-25页 |
| ·基于分布式多源信息（数据）的航空发动机融合诊断系统结构 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 融合传感器管理与分布式系统同步整合技术的研究 | 第28-42页 |
| ·引言 | 第28页 |
| ·多传感器数据管理与时空配准的基本原理 | 第28-29页 |
| ·传感器管理的基本原理 | 第28-29页 |
| ·多传感器信息（数据）的配准 | 第29页 |
| ·分布式测控网络的时钟同步 | 第29-30页 |
| ·时钟同步的基本概念 | 第29-30页 |
| ·网络时钟同步的基本方法 | 第30页 |
| ·帧扫描同步的基本概念及其同步系统结构 | 第30-31页 |
| ·分布式系统的同步整合技术 | 第31-35页 |
| ·多帧速率下各采集前端同步时间窗区间（帧同步码）的计算 | 第31-32页 |
| ·时分制异步采集子系统中各测量通道获取数据的同步 | 第32页 |
| ·用Spline 样条插值的重构算法 | 第32-33页 |
| ·多相FIR 数字滤波重构技术 | 第33-34页 |
| ·同步重构误差的评估准则 | 第34-35页 |
| ·同步整合应用研究例及其仿真验证 | 第35-41页 |
| ·仿真试验用标准输入信号源的确定 | 第35页 |
| ·同步整合的仿真研究及其重构 | 第35-39页 |
| ·两种同步重构算法的误差分析与比较说明 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 融合数据的预处理及相应故障特征提取技术 | 第42-70页 |
| ·引言 | 第42页 |
| ·原始数据的预处理 | 第42-44页 |
| ·测量通道（传感器）数据的校准 | 第42-44页 |
| ·阈值处理 | 第44页 |
| ·数据平滑与消噪滤波 | 第44页 |
| ·发动机试验样本特征选择与处理的一般过程 | 第44-46页 |
| ·征兆量的选择与故障样本的采集 | 第45页 |
| ·对样本特征库的初步分析 | 第45-46页 |
| ·基于传感器失效（故障）特征的选择与检测方法 | 第46-51页 |
| ·传感器失效模式的分类 | 第46页 |
| ·传感器失效特征的选择与提取 | 第46-48页 |
| ·传感器失效模式分类特征的仿真检测与提取方法的验证 | 第48-51页 |
| ·航空发动机性能故障的征兆量的选择与特征提取方法 | 第51-57页 |
| ·发动机气路故障模式的分类与相应征兆量的选择 | 第51-52页 |
| ·发动机气动性能故障特征参数提取方法 | 第52-53页 |
| ·发动机气动性能故障特征参数常用提取方法举例与仿真验证 | 第53-57页 |
| ·发动机机械结构振动故障征兆量的选择与故障特征提取方法 | 第57-69页 |
| ·发动机机械结构振动故障模式的分类与故障特征选择 | 第57页 |
| ·机械振动故障特征参数提取方法 | 第57-62页 |
| ·发动机机械振动故障检测与特征提取方法的仿真验证 | 第62-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 基于神经网络技术的信息融合故障诊断方法 | 第70-94页 |
| ·引言 | 第70页 |
| ·人工神经网络的基本原理 | 第70-72页 |
| ·人工神经元模型 | 第70-71页 |
| ·基于神经网络信息融合故障诊断的一般模型 | 第71-72页 |
| ·基于改进BP 网络信息融合故障诊断方法 | 第72-80页 |
| ·BP 神经网络的基本原理 | 第72-73页 |
| ·改进的BP 网络训练算法 | 第73-75页 |
| ·改进BP 网络用于发动机的故障诊断实例分析 | 第75-80页 |
| ·基于径向基(RBF)网络信息融合故障诊断方法 | 第80-83页 |
| ·RBF 神经网络的基本原理 | 第80-81页 |
| ·RBF 网络用于发动机的故障诊断实例 | 第81-83页 |
| ·基于概率神经网络(PNN)信息融合故障诊断方法 | 第83-85页 |
| ·概率神经网络的基本原理 | 第83-84页 |
| ·PNN 网络用于发动机的故障诊断实例 | 第84-85页 |
| ·基于自组织特征映射(SOFM)网络信息融合故障诊断方法 | 第85-87页 |
| ·SOFM 网络的基本原理 | 第85-86页 |
| ·SOFM 网络用于发动机的故障诊断实例 | 第86-87页 |
| ·基于 Elman 神经网络信息融合故障诊断方法 | 第87-89页 |
| ·Elman 神经网络的基本原理 | 第87页 |
| ·Elman 反馈网络用于发动机的故障诊断实例 | 第87-89页 |
| ·五种不同神经网络对发动机相同故障实例的诊断结果比较 | 第89页 |
| ·小波概率神经网络 | 第89-93页 |
| ·小波概率神经网络的结构 | 第89-90页 |
| ·小波概率神经网络用于发动机的振动故障诊断实例 | 第90-91页 |
| ·对小波概率神经网络与小波相似度判据两种诊断方法的比较 | 第91-93页 |
| ·本章小结 | 第93-94页 |
| 第六章 基于模糊集的信息融合故障诊断方法 | 第94-107页 |
| ·引言 | 第94页 |
| ·模糊集理论的基本原理 | 第94-96页 |
| ·模糊集合及其运算 | 第94-95页 |
| ·模糊关系与模糊矩阵 | 第95页 |
| ·模糊向量及其运算 | 第95-96页 |
| ·模糊关系的合成 | 第96页 |
| ·基于模糊聚类的诊断方法 | 第96-97页 |
| ·隶属度识别法 | 第96-97页 |
| ·距离贴近度方法 | 第97页 |
| ·基于模糊聚类信息融合故障诊断实例及其仿真验证 | 第97-105页 |
| ·故障样本的来源 | 第97页 |
| ·模糊关系的建立与模糊矩阵的形成 | 第97-99页 |
| ·创建一个模糊推理系统结构 | 第99页 |
| ·模糊推理计算与测试 | 第99-100页 |
| ·故障实例的模糊分类诊断仿真测试及其分析比较 | 第100-104页 |
| ·诊断验证结论 | 第104-105页 |
| ·本章小结 | 第105-107页 |
| 第七章 基于支持向量机的信息融合故障诊断方法 | 第107-118页 |
| ·引言 | 第107页 |
| ·多故障分类器的建立和诊断判决规则 | 第107-109页 |
| ·多故障分类器的建立 | 第107-108页 |
| ·诊断判决规则 | 第108-109页 |
| ·支持向量机的网络结构 | 第109-110页 |
| ·基于支持向量机的信息融合故障诊断的仿真验证实例 | 第110-117页 |
| ·支持向量机多故障分类器的构建及其MATLAB 实现 | 第110-111页 |
| ·故障实例样本的获取与分类诊断测试 | 第111-115页 |
| ·基于D-S 证据理论的支持向量机信息融合方法 | 第115-116页 |
| ·诊断验证结论 | 第116-117页 |
| ·本章小结 | 第117-118页 |
| 第八章 基于D-S证据理论的信息融合故障诊断方法 | 第118-134页 |
| ·引言 | 第118页 |
| ·D-S 证据理论的基本原理 | 第118-119页 |
| ·Dempster 组合规则 | 第119-120页 |
| ·用于故障分类诊断中的D-S 方法的改进 | 第120-121页 |
| ·基于D-S 证据理论的信息融合故障诊断实例 | 第121-133页 |
| ·基于D-S 证据理论的信息融合故障诊断系统模型 | 第121-122页 |
| ·.诊断的基本步骤和方法 | 第122-132页 |
| ·对综合诊断结果的分析及诊断验证结论 | 第132-133页 |
| ·本章小结 | 第133-134页 |
| 第九章 结论和展望 | 第134-136页 |
| ·本论文研究总结 | 第134-135页 |
| ·前景展望 | 第135-136页 |
| 致谢 | 第136-137页 |
| 参考文献 | 第137-143页 |
| 攻博期间取得的研究成果 | 第143-145页 |
