| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文主要研究工作 | 第14页 |
| 1.4 论文安排 | 第14-16页 |
| 第二章 QAR数据及飞机发动机故障检测流程概述 | 第16-24页 |
| 2.1 QAR数据 | 第16-20页 |
| 2.1.1 QAR简介 | 第16-17页 |
| 2.1.2 QAR数据的特点 | 第17-18页 |
| 2.1.3 QAR数据预处理 | 第18-20页 |
| 2.2 飞机发动机故障检测流程 | 第20-23页 |
| 2.2.1 整体分析 | 第20页 |
| 2.2.2 系统总体流程 | 第20-22页 |
| 2.2.3 存在难点 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 QAR时序数据的分段算法 | 第24-38页 |
| 3.1 时间序列模式表示方法概述 | 第24-26页 |
| 3.2 基于重要点的自适应分段算法 | 第26-33页 |
| 3.2.1 重要点 | 第26-27页 |
| 3.2.2 重要点距离 | 第27-28页 |
| 3.2.3 传统的基于重要点的分段算法PLR_PIP | 第28-29页 |
| 3.2.4 PLR_PIP算法在QAR数据应用中的问题 | 第29-30页 |
| 3.2.5 基于重要点的自适应分段算法 | 第30-33页 |
| 3.3 实验分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 QAR数据异常模式检测 | 第38-52页 |
| 4.1 时序数据异常检测概述 | 第38-40页 |
| 4.1.1 异常的描述 | 第38-39页 |
| 4.1.2 QAR数据模式表示及异常模式介绍 | 第39页 |
| 4.1.3 异常检测的方法概述 | 第39-40页 |
| 4.2 QAR异常数据检测 | 第40-44页 |
| 4.2.1 算法关键定义 | 第40-42页 |
| 4.2.2 QAR异常模式检测算法 | 第42-44页 |
| 4.3 基于相似性度量的故障检测 | 第44-47页 |
| 4.3.1 标准故障模型 | 第44-45页 |
| 4.3.2 相似性度量 | 第45-47页 |
| 4.4 实验及分析 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 工作总结与展望 | 第52-55页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |