航空发动机气路故障诊断技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题研究背景 | 第12页 |
| ·课题研究对象 | 第12-13页 |
| ·选题意义 | 第13页 |
| ·飞机发动机故障诊断的复杂性 | 第13-14页 |
| ·国内外现状和发展趋势 | 第14-17页 |
| ·论文主要研究内容 | 第17-18页 |
| 第二章 航空发动机气路故障诊断模型的建立 | 第18-45页 |
| ·某双轴涡扇民用航空发动机结构 | 第18-19页 |
| ·换算法的思想 | 第19-20页 |
| ·参数的选择 | 第20-22页 |
| ·测量参数 | 第21页 |
| ·性能参数 | 第21-22页 |
| ·发动机各部件运行模型 | 第22-30页 |
| ·进气道数学模型 | 第22页 |
| ·风扇空气压缩过程数学模型 | 第22-23页 |
| ·分流器 | 第23页 |
| ·增压级空气压缩过程数学模型 | 第23-24页 |
| ·压气机空气压缩过程 | 第24页 |
| ·扩压器及燃烧室燃烧过程 | 第24-25页 |
| ·高压涡轮膨胀过程 | 第25页 |
| ·低压涡轮膨胀过程 | 第25-26页 |
| ·内涵喷管数学模型 | 第26-28页 |
| ·外涵道尾喷管数学模型 | 第28-30页 |
| ·性能参数偏差的分离 | 第30-36页 |
| ·平衡关系以及模型简化和推导 | 第36-42页 |
| ·压力平衡方程式 | 第38-39页 |
| ·风扇与增压级绝对流量关系 | 第39页 |
| ·压气机与增压级绝对流量关系 | 第39页 |
| ·压气机与高压涡轮绝对流量关系 | 第39-40页 |
| ·高压涡轮与低压涡轮绝对流量关系 | 第40页 |
| ·高压转子功率平衡 | 第40页 |
| ·低压转子功率平衡 | 第40-41页 |
| ·内涵喷管与低压涡轮绝对流量关系 | 第41-42页 |
| ·影响系数矩阵的建立 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 双轴涡扇航空发动机气路故障诊断规则的确立 | 第45-63页 |
| ·发动机气路故障诊断规则 | 第45-48页 |
| ·气路故障诊断应用判定规则 | 第48-49页 |
| ·故障诊断应用判定规则的获取 | 第49-54页 |
| ·故障诊断应用判定规则的相似性分析 | 第54-62页 |
| ·相似判据简介 | 第55-56页 |
| ·相似系数法的预处理 | 第56-58页 |
| ·航空发动机故障应用规则的相似性分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第四章 基于RBF 神经网络的航空发动机故障诊断 | 第63-79页 |
| ·神经网络概述 | 第63-66页 |
| ·人工神经网络简介 | 第63-64页 |
| ·神经网络的优越性 | 第64-66页 |
| ·神经网络的应用 | 第66页 |
| ·RBF 神经网络介绍 | 第66-70页 |
| ·RBF 神经网络的结构 | 第66-68页 |
| ·RBF 神经网络的训练 | 第68-69页 |
| ·RBF 神经网络的特点 | 第69-70页 |
| ·基于RBF 神经网络的气路故障诊断 | 第70-78页 |
| ·RBF 气路故障诊断原理 | 第70页 |
| ·神经网络数据预处理 | 第70-71页 |
| ·气路故障诊断RBF 神经网络结构 | 第71-74页 |
| ·RBF 神经网络样本的组织 | 第74-75页 |
| ·RBF 神经网络训练和测试 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 航空发动机气路故障诊断系统 | 第79-86页 |
| ·航空发动机气路故障诊断系统组成 | 第79-80页 |
| ·状态监控 | 第79-80页 |
| ·故障隔离 | 第80页 |
| ·故障辨识 | 第80页 |
| ·航空发动机故障诊断流程 | 第80-82页 |
| ·诊断结果验证 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 第六章 总结和展望 | 第86-88页 |
| ·总结 | 第86-87页 |
| ·展望 | 第87-88页 |
| 参考文献 | 第88-91页 |
| 附录1 | 第91-92页 |
| 致谢 | 第92-93页 |
| 攻读硕士学位期间已发表或录用的论文 | 第93-96页 |
| 附件 | 第96页 |
