航空发动机内窥故障诊断案例库推理研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景及意义 | 第9页 |
| ·航空发动机内窥技术发展状况 | 第9-10页 |
| ·故障诊断技术研究现状 | 第10-11页 |
| ·基于案例推理的研究现状 | 第11-12页 |
| ·本论文的主要内容及意义 | 第12-14页 |
| 第二章 航空发动机内窥故障分析及诊断推理方法 | 第14-23页 |
| ·发动机内窥损伤故障分析 | 第14-16页 |
| ·压气机损伤故障分析 | 第14-15页 |
| ·燃烧室损伤故障分析 | 第15-16页 |
| ·涡轮损伤故障分析 | 第16页 |
| ·发动机内窥损伤图像处理方法 | 第16-17页 |
| ·故障诊断推理方法 | 第17-23页 |
| ·基于故障树的诊断方法 | 第17-18页 |
| ·基于模糊理论的诊断方法 | 第18-20页 |
| ·基于神经网络的诊断方法 | 第20-21页 |
| ·基于专家系统的诊断方法 | 第21-22页 |
| ·智能诊断推理方法的选取 | 第22-23页 |
| 第三章 航空发动机内窥故障案例库研究 | 第23-33页 |
| ·CBR的理论基础和方法 | 第23-24页 |
| ·CBR的基本内容 | 第24-28页 |
| ·案例表示 | 第24页 |
| ·案例索引与检索 | 第24-27页 |
| ·案例调整 | 第27页 |
| ·案例评估与学习 | 第27-28页 |
| ·内窥故障案例库组建技术 | 第28-33页 |
| ·面向对象案例表示法 | 第28-30页 |
| ·故障案例库的组织 | 第30-31页 |
| ·故障案例库的存储实现 | 第31-33页 |
| 第四章 基于神经网络的案例库混合推理研究 | 第33-44页 |
| ·人工神经网络概述 | 第33页 |
| ·人工神经网络理论基础及模型 | 第33-35页 |
| ·BP神经网络与案例库混合推理 | 第35-42页 |
| ·ANN-CBR结合 | 第35页 |
| ·ANN-CBR混合推理总体结构 | 第35-36页 |
| ·BP-ANN模型 | 第36-37页 |
| ·BP-ANN预分类算法 | 第37-42页 |
| ·CBR诊断推理 | 第42页 |
| ·ANN-CBR混合推理的应用 | 第42-44页 |
| 第五章 内窥故障案例库推理系统实现 | 第44-55页 |
| ·ANN-CBR混合推理方法应用于推理系统 | 第44-45页 |
| ·ANN-CBR推理系统需求 | 第44-45页 |
| ·系统体系结构 | 第45页 |
| ·推理系统交互界面实现 | 第45-48页 |
| ·ANN-CBR推理系统实现 | 第48-52页 |
| ·系统接口的实现 | 第48-49页 |
| ·ANN模块 | 第49-50页 |
| ·CBR模块 | 第50-51页 |
| ·BP-ANN模型训练仿真 | 第51页 |
| ·系统诊断结果 | 第51-52页 |
| ·航空发动机内窥故障推理系统测试 | 第52-55页 |
| 结论 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士期间已发表论文 | 第61-62页 |
| 附录 | 第62-63页 |
