| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 缩略词 | 第12-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 民机空调系统健康监测与故障诊断技术研究现状 | 第16-18页 |
| 1.2.1 民机空调系统健康监测研究现状 | 第16页 |
| 1.2.2 民机空调系统故障诊断研究现状 | 第16-18页 |
| 1.3 本文主要研究内容 | 第18-21页 |
| 第二章 民用飞机空调系统概述及航线常见故障分析 | 第21-34页 |
| 2.1 波音737NG飞机空调系统概述 | 第21-22页 |
| 2.2 波音737NG飞机空调系统原理分析 | 第22-27页 |
| 2.2.1 制冷系统 | 第22-24页 |
| 2.2.2 空气分配系统 | 第24-25页 |
| 2.2.3 压力控制系统 | 第25-26页 |
| 2.2.4 其他系统 | 第26-27页 |
| 2.3 波音737NG飞机空调系统制冷系统航线常见故障分析 | 第27-29页 |
| 2.4 波音737NG空调系统在线监测参数分析 | 第29-32页 |
| 2.4.1 空调系统监测参数体系 | 第29-31页 |
| 2.4.2 监测参数译码 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于性能参数的民机空调系统健康监测方法研究 | 第34-57页 |
| 3.1 空调系统性能参数基线模型 | 第34-35页 |
| 3.2 多元状态估计技术 | 第35-38页 |
| 3.2.1 多元状态估计技术原理 | 第36-37页 |
| 3.2.2 训练样本选择 | 第37-38页 |
| 3.3 空调系统健康监测预警阈值确定 | 第38-39页 |
| 3.4 基于MSET的民机空调系统健康监测 | 第39-56页 |
| 3.4.1 空调系统监测参数采集 | 第40-42页 |
| 3.4.2 空调系统基线模型建立 | 第42-46页 |
| 3.4.3 基于MSET与滑动窗口残差统计的空调系统健康监测 | 第46-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 基于贝叶斯网络的民机空调系统故障诊断方法研究 | 第57-78页 |
| 4.1 贝叶斯网络 | 第57-61页 |
| 4.1.1 贝叶斯网络基本原理 | 第57-58页 |
| 4.1.2 贝叶斯网络学习 | 第58-59页 |
| 4.1.3 贝叶斯网络推理 | 第59-61页 |
| 4.2 空调系统故障样本数据挖掘 | 第61-66页 |
| 4.2.1 故障信息获取 | 第61-62页 |
| 4.2.2 空调系统贝叶斯故障诊断框架 | 第62-63页 |
| 4.2.3 空调系统故障样本数据分析 | 第63-66页 |
| 4.3 贝叶斯网络诊断模型构建与参数学习 | 第66-71页 |
| 4.3.1 贝叶斯网络结构设计 | 第66-69页 |
| 4.3.2 网络参数学习 | 第69-71页 |
| 4.4 空调系统贝叶斯故障诊断网络模型验证 | 第71-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 民机空调系统PHM软件模块设计与实现 | 第78-87页 |
| 5.1 系统需求分析 | 第78-79页 |
| 5.2 系统结构与功能 | 第79-82页 |
| 5.2.1 系统主要流程 | 第79-80页 |
| 5.2.2 系统主要模块与功能 | 第80-82页 |
| 5.3 系统实现 | 第82-86页 |
| 5.3.1 系统开发平台简介 | 第82页 |
| 5.3.2 系统软件界面 | 第82-86页 |
| 5.4 本章小结 | 第86-87页 |
| 第六章 总结与展望 | 第87-89页 |
| 6.1 本文的主要研究成果 | 第87-88页 |
| 6.2 研究展望分析 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 致谢 | 第94-95页 |
| 在学期间的研究成果及发表的学术论文 | 第95页 |
