| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 基于盲分离技术的旋转机械故障诊断与定位的研究现状 | 第15-16页 |
| 1.3 航空发动机常见的故障诊断技术研究现状 | 第16-19页 |
| 1.3.1 基于知识的方法 | 第17-18页 |
| 1.3.2 基于解析模型的方法 | 第18页 |
| 1.3.3 基于经典信号处理的方法 | 第18-19页 |
| 1.4 振动故障脉冲信号提取方法的研究现状 | 第19-20页 |
| 1.5 本文主要研究内容 | 第20-22页 |
| 第二章 经典盲分离技术在航空发动机上的应用研究 | 第22-41页 |
| 2.1 经典盲分离算法的数学模型和基本假设 | 第22-23页 |
| 2.1.1 线性瞬时混合模型 | 第22页 |
| 2.1.2 盲源分离的基本假设与不确定性 | 第22-23页 |
| 2.2 信号的预处理 | 第23-27页 |
| 2.2.1 中心化处理 | 第23-24页 |
| 2.2.2 白化处理 | 第24页 |
| 2.2.3 去噪声处理 | 第24-27页 |
| 2.3 源个数的估计方法 | 第27-28页 |
| 2.4 经典盲分离算法 | 第28-30页 |
| 2.4.1 SOBI算法 | 第28页 |
| 2.4.2 JADE算法 | 第28-29页 |
| 2.4.3 FASTICA算法 | 第29页 |
| 2.4.4 盲分离性能的评价指标 | 第29-30页 |
| 2.5 经典盲分离算法的局限性探讨 | 第30-39页 |
| 2.5.1 分离模拟航空发动机观测信号 | 第30-35页 |
| 2.5.2 分离实测航空发动机观测信号 | 第35-39页 |
| 2.6 本章小结 | 第39-41页 |
| 第三章 基于JWTS算法的振动源分离与定位方法研究 | 第41-65页 |
| 3.1 振动源个数的估计原理 | 第41-44页 |
| 3.1.1 小波变换分解各个通道观测信号 | 第42-43页 |
| 3.1.2 每个观测通道上源个数估计 | 第43-44页 |
| 3.1.3 系统源个数估计 | 第44页 |
| 3.2 振动源特征提取原理 | 第44-47页 |
| 3.2.1 时间同步平稳法的基本原理 | 第44-46页 |
| 3.2.2 平均方法的选择 | 第46-47页 |
| 3.3 最优源确定的原理 | 第47-48页 |
| 3.4 基于JWTS算法的振动源分离与定位的总体思路 | 第48页 |
| 3.5 JWTS算法数值模拟信号验证 | 第48-56页 |
| 3.6 JWTS算法实测航空发动机振动信号验证 | 第56-64页 |
| 3.6.1 实际发动机振动信号的采集 | 第56-57页 |
| 3.6.2 机匣实测振动信号验证 | 第57-64页 |
| 3.7 本章小结 | 第64-65页 |
| 第四章 故障脉冲信号的提取方法研究 | 第65-79页 |
| 4.1 小波阈值去噪法概述 | 第65-67页 |
| 4.2 基于峭度的混合阈值去噪法 | 第67-71页 |
| 4.2.1 混合阈值规则 | 第67-70页 |
| 4.2.2 参数ak的选取规则 | 第70-71页 |
| 4.3 方法性能评估 | 第71-76页 |
| 4.3.1 评估准则 | 第71-72页 |
| 4.3.2 算法验证 | 第72-76页 |
| 4.4 提取航空发动机的故障脉冲信号 | 第76-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 基于自回归模型的故障诊断方法研究 | 第79-104页 |
| 5.1 自回归模型的基本原理 | 第80-83页 |
| 5.1.1 AR模型的基本解析式 | 第80页 |
| 5.1.2 AR模型的参数估计 | 第80-81页 |
| 5.1.3 多变量AR模型(MAR模型) | 第81-82页 |
| 5.1.4 含外部输入的AR模型(ARX模型) | 第82-83页 |
| 5.2 自回归模型的检验 | 第83页 |
| 5.3 单因素方差分析 | 第83-84页 |
| 5.4 航空发动机振动源信号回归模型的建立 | 第84-94页 |
| 5.4.1 AR-ARX模型建模 | 第85-89页 |
| 5.4.2 Env-ARX模型建模 | 第89-92页 |
| 5.4.3 Een-AR-ARX模型建模 | 第92-93页 |
| 5.4.4 自回归模型建模总结 | 第93-94页 |
| 5.5 基于Env-AR-ARX模型的故障诊断过程 | 第94-99页 |
| 5.6 联合JWTS和 Env-AR-ARX模型的航空发动机故障诊断与定位 | 第99-102页 |
| 5.7 本章小结 | 第102-104页 |
| 第六章 航空发动机故障诊断方法试验验证 | 第104-112页 |
| 6.1 试验过程 | 第104-106页 |
| 6.2 联合硬阈值和混合阈值法的脉冲故障提取法实验验证 | 第106-107页 |
| 6.3 基于Env-AR-ARX模型的故障诊断方法的验证 | 第107-110页 |
| 6.4 本章小结 | 第110-112页 |
| 第七章 总结与展望 | 第112-114页 |
| 7.1 全文总结 | 第112-113页 |
| 7.2 进一步的研究方向 | 第113-114页 |
| 参考文献 | 第114-120页 |
| 致谢 | 第120-121页 |
| 攻读硕士学位期间已发表或录用的论文 | 第121-123页 |
