| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7-8页 |
| ·航空发动机故障诊断技术的发展趋势 | 第8页 |
| ·信息融合研究意义及现状 | 第8-11页 |
| ·信息融合技术 | 第8-9页 |
| ·研究意义及现状 | 第9-11页 |
| ·基于信息融合故障诊断的方法 | 第11-13页 |
| ·本文研究的主要内容 | 第13-15页 |
| 第二章 基于信息融合技术的航空发动机故障诊断模型 | 第15-27页 |
| ·信息融合故障诊断技术的理论基础 | 第15-19页 |
| ·信息融合技术的基本概念 | 第15页 |
| ·故障诊断信息融合的数学背景 | 第15-18页 |
| ·信息融合的方法 | 第18-19页 |
| ·信息融合的级别 | 第19-23页 |
| ·数据层融合 | 第19-20页 |
| ·特征级融合 | 第20-21页 |
| ·决策级融合 | 第21-22页 |
| ·三种层次结构之间的比较 | 第22-23页 |
| ·基于信息融合技术的故障诊断模型 | 第23-26页 |
| ·信息融合的功能模型 | 第23-24页 |
| ·信息融合故障诊断的一般框架 | 第24-25页 |
| ·分层信息融合诊断功能模型 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于神经网络的故障诊断技术研究 | 第27-39页 |
| ·人工神经网络简介 | 第27-28页 |
| ·人工神经网络 | 第27页 |
| ·基于神经网络的发动机转子故障诊断模型 | 第27-28页 |
| ·BP网络简介 | 第28-31页 |
| ·BP网络的结构 | 第28-29页 |
| ·改进的BP网络学习算法 | 第29-31页 |
| ·神经网络技术的故障诊断方法 | 第31-34页 |
| ·原理分析 | 第31-32页 |
| ·单子神经网络 | 第32页 |
| ·集成神经网络的信息融合 | 第32-34页 |
| ·发动机转子实例分析 | 第34-37页 |
| ·小结 | 第37-39页 |
| 第四章 基于D-S证据理论的信息融合故障诊断技术研究 | 第39-50页 |
| ·引言 | 第39页 |
| ·D-S证据理论概述和基本概念 | 第39-40页 |
| ·D-S证据理论 | 第40-42页 |
| ·D-S证据理论信息融合故障诊断方法 | 第42-47页 |
| ·D-S证据理论航空发动机故障诊断模型 | 第42-43页 |
| ·诊断基本步骤 | 第43-44页 |
| ·多传感器多测量周期可信度分配的融合 | 第44-47页 |
| ·发动机转子实例分析 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第五章 基于信息融合的航空发动机故障诊断实验与系统验证 | 第50-64页 |
| ·前言 | 第50-51页 |
| ·转子系统早期故障特点 | 第50-51页 |
| ·发动机转子实验 | 第51-56页 |
| ·实验平台介绍 | 第51-52页 |
| ·软件介绍 | 第52-54页 |
| ·硬件介绍 | 第54-56页 |
| ·实验过程 | 第56-57页 |
| ·实验结果 | 第57-63页 |
| ·小结 | 第63-64页 |
| 第六章 总结和展望 | 第64-66页 |
| 总结 | 第64页 |
| 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和参加科研情况说明 | 第70-71页 |
| 致谢 | 第71-72页 |