| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-27页 |
| ·选题背景和意义 | 第14-15页 |
| ·航空发动机故障诊断的研究现状 | 第15-17页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16-17页 |
| ·信息融合技术 | 第17-22页 |
| ·信息融合的基本原理 | 第17-18页 |
| ·信息融合模型 | 第18-20页 |
| ·信息融合算法 | 第20-21页 |
| ·信息融合在航空发动机故障诊断中的应用 | 第21-22页 |
| ·存在的主要问题及发展趋势 | 第22-24页 |
| ·论文研究内容 | 第24-27页 |
| ·论文研究思路 | 第24-25页 |
| ·论文内容安排 | 第25-27页 |
| 第二章 航空发动机机载自适应模型建立与健康参数分析 | 第27-40页 |
| ·发动机部件级模型 | 第27-28页 |
| ·发动机线性化模型 | 第28-33页 |
| ·发动机线性模型 | 第28-31页 |
| ·大范围小偏差模型 | 第31-33页 |
| ·发动机气路部件性能健康参数分析 | 第33-36页 |
| ·气路部件性能健康参数表示方法 | 第33-36页 |
| ·气路部件性能健康参数的模拟 | 第36页 |
| ·发动机机载自适应模型 | 第36-39页 |
| ·增广的状态变量模型 | 第37页 |
| ·含卡尔曼滤波的机载自适应模型 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 基于模型和数据驱动的改进LSSVR 故障诊断方法 | 第40-52页 |
| ·改进的最小二乘支持向量回归机 | 第40-44页 |
| ·多输出的最小二乘支持向量回归机 | 第40-43页 |
| ·自适应遗传算法优化的LSSVR | 第43-44页 |
| ·基于修正的机载自适应模型的部件故障诊断 | 第44-49页 |
| ·机载自适应模型修正机理 | 第44-45页 |
| ·建立修正的机载自适应模型 | 第45-47页 |
| ·基于模型的发动机部件性能诊断 | 第47-49页 |
| ·数据驱动的部件性能诊断 | 第49-51页 |
| ·数据驱动的部件性能诊断机理 | 第49-50页 |
| ·数据驱动的部件性能诊断仿真研究 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于SPSO-SVR 的传感器故障融合诊断研究 | 第52-66页 |
| ·SPSO-SVR 算法 | 第52-56页 |
| ·SPSO 算法 | 第53-54页 |
| ·SPSO 构建SVR 模型 | 第54-56页 |
| ·航空发动机传感器故障融合诊断系统 | 第56-60页 |
| ·传感器故障 | 第56-57页 |
| ·测量信号预处理 | 第57-58页 |
| ·传感器故障检测、隔离、重构模型 | 第58-60页 |
| ·传感器故障诊断仿真与分析 | 第60-65页 |
| ·传感器单一故障 | 第60-62页 |
| ·传感器双重故障 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 航空发动机部件故障定性融合诊断 | 第66-76页 |
| ·故障诊断中的并行融合 | 第66-70页 |
| ·决策级并行融合系统 | 第66-69页 |
| ·决策级并行融合方法 | 第69-70页 |
| ·发动机部件故障定性融合诊断机理 | 第70-73页 |
| ·基于模型的性能参数估计 | 第71页 |
| ·基于MO-LSSVR 的性能参数估计 | 第71-72页 |
| ·部件特征模糊化 | 第72页 |
| ·D-S 决策融合 | 第72-73页 |
| ·仿真实例 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 航空发动机故障定量融合诊断 | 第76-86页 |
| ·发动机部件故障并行融合定量诊断系统 | 第76-78页 |
| ·异常监测 | 第77页 |
| ·故障定量融合诊断 | 第77-78页 |
| ·基于QPSO 算法的定量融合诊断 | 第78-82页 |
| ·QPSO 算法 | 第78-80页 |
| ·仿真分析 | 第80-82页 |
| ·基于ESVR 的定量融合诊断 | 第82-85页 |
| ·ESVR 算法流程 | 第82-83页 |
| ·仿真分析 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 第七章 航空发动机部件故障交叉融合诊断 | 第86-94页 |
| ·发动机部件故障交叉融合诊断系统机理 | 第86-88页 |
| ·交叉融合诊断系统关键技术 | 第88-92页 |
| ·信源相关性知识库 | 第88-89页 |
| ·模式识别 | 第89-91页 |
| ·信息强化 | 第91页 |
| ·子系统选择及诊断 | 第91-92页 |
| ·仿真分析 | 第92页 |
| ·本章小结 | 第92-94页 |
| 第八章 总结与展望 | 第94-97页 |
| ·全文总结 | 第94-95页 |
| ·进一步研究的方向 | 第95-97页 |
| 参考文献 | 第97-107页 |
| 致谢 | 第107-108页 |
| 在学期间的研究成果及发表的学术论文 | 第108页 |
