基于智能技术的航空发动机气路故障诊断
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-19页 |
| ·故障诊断简述 | 第12页 |
| ·航空发动机故障监测与诊断 | 第12-14页 |
| ·航空发动机气路故障诊断 | 第14-15页 |
| ·航空发动机智能故障诊断 | 第15-17页 |
| ·基于计算智能的故障诊断 | 第16-17页 |
| ·粗糙集与神经网络结合的必要性 | 第17页 |
| ·基于粒子群神经网络的故障诊断方法 | 第17页 |
| ·本文内容安排 | 第17-19页 |
| 第二章 基于神经网络的故障诊断系统 | 第19-32页 |
| ·人工神经网络简介 | 第19-22页 |
| ·人工神经元模型 | 第19-21页 |
| ·人工神经网络的学习与训练 | 第21-22页 |
| ·人工神经网络的主要特点 | 第22页 |
| ·BP 神经网络 | 第22-26页 |
| ·BP 网络结构 | 第22-23页 |
| ·BP 网络学习规则 | 第23-25页 |
| ·BP 网络的应用问题 | 第25-26页 |
| ·基于神经网络的故障诊断 | 第26-30页 |
| ·神经网络在故障诊断中的应用 | 第26-27页 |
| ·神经网络诊断实例 | 第27-30页 |
| ·航空发动机气路故障诊断原理 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于BP神经网络的定量故障诊断 | 第32-51页 |
| ·神经网络的样本空间选取 | 第32-33页 |
| ·基于BP 神经网络的定量故障诊断 | 第33-39页 |
| ·故障样本的组织 | 第33-34页 |
| ·建立故障诊断系统 | 第34-35页 |
| ·诊断结果分析 | 第35-39页 |
| ·全包线内的航空发动机故障诊断 | 第39-43页 |
| ·诊断系统的结构 | 第39-41页 |
| ·诊断系统的建立 | 第41-43页 |
| ·发动机故障监控软件模块设计 | 第43-50页 |
| ·面向对象程序设计方法 | 第44-45页 |
| ·程序流程 | 第45页 |
| ·程序代码实现 | 第45-47页 |
| ·故障监控软件模块的诊断效果 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 邻域粗糙集和神经网络结合的故障诊断方法 | 第51-68页 |
| ·粗糙集－神经网络系统概述 | 第51页 |
| ·粗糙集理论 | 第51-53页 |
| ·基于邻域粗糙集模型的属性约简算法 | 第53-56页 |
| ·邻域粗糙集－神经网络故障诊断系统 | 第56-61页 |
| ·诊断系统的设计 | 第57-58页 |
| ·诊断结果及分析 | 第58-61页 |
| ·基于粒子群优化的BP 神经网络 | 第61-67页 |
| ·粒子群优化算法 | 第61-63页 |
| ·粒子群优化的BP 网络 | 第63-66页 |
| ·粒子群优化BP 网络后的诊断结果 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·前期工作总结 | 第68页 |
| ·工作展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
