| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 燃气轮机气路诊断技术研究进展 | 第13-24页 |
| 1.2.1 基于热力模型决策的气路诊断技术发展现状 | 第15-20页 |
| 1.2.2 基于模式识别的气路诊断技术发展现状 | 第20-24页 |
| 1.3 本文的主要工作及结构安排 | 第24-28页 |
| 第2章 船用燃气轮机气路诊断模型 | 第28-50页 |
| 2.1 引言 | 第28-29页 |
| 2.2 工质热物性数学模型 | 第29-34页 |
| 2.2.1 空气组分计算 | 第29-30页 |
| 2.2.2 燃气组分计算 | 第30-32页 |
| 2.2.3 空气、燃气热物性计算 | 第32-34页 |
| 2.3 燃气轮机热力数学模型 | 第34-37页 |
| 2.3.1 进气道数学模型 | 第34页 |
| 2.3.2 压气机数学模型 | 第34-36页 |
| 2.3.3 燃烧室数学模型 | 第36页 |
| 2.3.4 透平数学模型 | 第36页 |
| 2.3.5 排气道数学模型 | 第36-37页 |
| 2.4 燃气轮机热力模型 | 第37-47页 |
| 2.4.1 目标燃气轮机 | 第37-39页 |
| 2.4.2 部件特性线修正 | 第39-47页 |
| 2.5 本章小结 | 第47-50页 |
| 第3章 基于粒子群优化的船用燃气轮机深度气路诊断 | 第50-70页 |
| 3.1 引言 | 第50-51页 |
| 3.2 改进型非线性气路诊断方法 | 第51-56页 |
| 3.2.1 气路部件健康参数 | 第51-53页 |
| 3.2.3 牛顿-拉普森算法 | 第53-54页 |
| 3.2.4 诊断方法 | 第54-56页 |
| 3.3 基于热力模型与粒子群优化算法相结合的非线性气路诊断方法 | 第56-59页 |
| 3.3.1 粒子群优化算法 | 第56-57页 |
| 3.3.2 诊断方法 | 第57-59页 |
| 3.4 诊断分析 | 第59-68页 |
| 3.5 本章小结 | 第68-70页 |
| 第4章 基于灰色关联理论的船用燃气轮机实时气路诊断 | 第70-86页 |
| 4.1 引言 | 第70页 |
| 4.2 灰色关联理论 | 第70-72页 |
| 4.2.1 普通灰色关联理论 | 第70-71页 |
| 4.2.2 自适应灰色关联理论 | 第71-72页 |
| 4.3 诊断方法 | 第72-75页 |
| 4.4 诊断分析 | 第75-84页 |
| 4.5 本章小结 | 第84-86页 |
| 第5章 抗传感器测量偏差的船用燃气轮机气路诊断 | 第86-112页 |
| 5.1 引言 | 第86页 |
| 5.2 基于高斯修正准则的数据调和原理 | 第86-90页 |
| 5.2.1 高斯修正准则 | 第86-90页 |
| 5.2.1.1 修正准则评估条件 | 第87页 |
| 5.2.1.2 辅助条件的建立 | 第87-88页 |
| 5.2.1.3 修正计算方法 | 第88-89页 |
| 5.2.1.4 数据质量评估条件 | 第89-90页 |
| 5.3 抗传感器测量偏差的非线性气路诊断方法 | 第90-93页 |
| 5.4 诊断分析 | 第93-110页 |
| 5.5 本章小结 | 第110-112页 |
| 结论 | 第112-115页 |
| 参考文献 | 第115-128页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第128-131页 |
| 致谢 | 第131页 |
