| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景和意义 | 第11-13页 |
| ·课题研究背景 | 第11页 |
| ·健康诊断的原理和意义 | 第11-13页 |
| ·航空发动机健康诊断技术研究现状 | 第13-15页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-15页 |
| ·本课题研究内容 | 第15页 |
| ·内容安排 | 第15-17页 |
| 第2章 多源信息融合技术 | 第17-23页 |
| ·多源信息融合的基本原理 | 第17-19页 |
| ·多源信息融合的来源 | 第17页 |
| ·多源信息融合的定义 | 第17-18页 |
| ·多源信息融合的优势 | 第18-19页 |
| ·信息融合级别 | 第19-20页 |
| ·基于多源信息融合技术的健康诊断模型 | 第20-21页 |
| ·信息融合健康诊断的一般框架 | 第20-21页 |
| ·信息融合诊断功能模型 | 第21页 |
| ·健康诊断中的信息融合方法 | 第21-23页 |
| 第3章 基于神经网络和模糊积分的航空发动机健康诊断 | 第23-47页 |
| ·模糊理论概述 | 第23-25页 |
| ·模糊子集的概念 | 第23-24页 |
| ·确定隶属函数的方法 | 第24-25页 |
| ·模糊积分基础 | 第25-31页 |
| ·模糊测度 | 第25-28页 |
| ·模糊积分 | 第28-31页 |
| ·基于模糊积分的多分类器融合 | 第31-33页 |
| ·基于模糊积分的多分类器融合模型 | 第31-32页 |
| ·模糊测度的确定 | 第32-33页 |
| ·基于粒子群优化算法的模糊测度求解方法 | 第33-37页 |
| ·粒子群优化算法 | 第33-34页 |
| ·粒子群优化模糊测度 | 第34-37页 |
| ·基于模糊积分的航空发动机健康诊断试验研究 | 第37-47页 |
| ·基于模糊积分的航空发动机诊断方案 | 第37-38页 |
| ·基于模糊积分的诊断基本步骤 | 第38-39页 |
| ·实验数据与分析 | 第39-47页 |
| 第4章 基于神经网络和 DS 证据理论的航空发动机健康诊断 | 第47-57页 |
| ·证据理论概述 | 第47页 |
| ·证据理论基础 | 第47-50页 |
| ·D-S 证据理论基本概念 | 第47-49页 |
| ·D-S 证据理论合成法则 | 第49-50页 |
| ·基于D-S 证据理论信息融合健康诊断方法 | 第50-52页 |
| ·基于神经网络和D-S 证据理论的航空发动机气路健康诊断模型 | 第50-51页 |
| ·基于D-S 证据理论的航空发动机健康诊断步骤 | 第51-52页 |
| ·基于D-S 证据理论的航空发动机健康诊断试验研究 | 第52-57页 |
| ·试验研究 | 第52-55页 |
| ·结果分析 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第64页 |
