封面
声明
中文摘要
英文摘要
目录
第一章 绪论
1.1本课题研究的意义
1.2国内外的研究现状
1.3本论文研究的主要内容和结构
1.4研究方法和创新
第二章 基于信息融合的发动机故障诊断概念及融合系统结构
2.1引言
2.2航空发动机故障的定义与故障诊断的基本原理
2.3 发动机故障诊断方法的分类及其特点
2.4基于信息融合的航空发动机故障诊断基本概念
2.5基于多传感器信息融合故障诊断的一般框架
2.6 基于分布式多源信息(数据)的航空发动机融合诊断系统结构
2.7本章小结
第三章 融合传感器管理与分布式系统同步整合技术的研究
3.1引言
3.2多传感器数据管理与时空配准的基本原理
3.3分布式测控网络的时钟同步
3.4帧扫描同步的基本概念及其同步系统结构
3.5分布式系统的同步整合技术
3.6同步整合应用研究例及其仿真验证
3.7本章小结
第四章 融合数据的预处理及相应故障特征提取技术
4.1引言
4.2原始数据的预处理
4.3发动机试验样本特征选择与处理的一般过程
4.4基于传感器失效(故障)特征的选择与检测方法
4.5航空发动机性能故障的征兆量的选择与特征提取方法
4.6 发动机机械结构振动故障征兆量的选择与故障特征提取方法
4.7本章小结
第五章 基于神经网络技术的信息融合故障诊断方法
5.1引言
5.2 人工神经网络的基本原理
5.3 基于改进BP网络信息融合故障诊断方法
5.4基于径向基(RBF)网络信息融合故障诊断方法
5.5 基于概率神经网络(PNN)信息融合故障诊断方法
5.6 基于自组织特征映射(SOFM)网络信息融合故障诊断方法
5.7基于 Elman神经网络信息融合故障诊断方法
5.8 五种不同神经网络对发动机相同故障实例的诊断结果比较
5.9 小波概率神经网络
5.10 本章小结
第六章 基于模糊集的信息融合故障诊断方法
6.1 引言
6.2 模糊集理论的基本原理
6.3 基于模糊聚类的诊断方法
6.4基于模糊聚类信息融合故障诊断实例及其仿真验证
6.5 本章小结
第七章 基于支持向量机的信息融合故障诊断方法
7.1引言
7.2 多故障分类器的建立和诊断判决规则
7.3 支持向量机的网络结构
7.4 基于支持向量机的信息融合故障诊断的仿真验证实例
7.5 本章小结
第八章 基于D-S证据理论的信息融合故障诊断方法
8.1 引言
8.2 D-S证据理论的基本原理
8.3 Dempster组合规则
8.4 用于故障分类诊断中的D-S方法的改进
8.5 基于D-S证据理论的信息融合故障诊断实例
8.6 本章小结
第九章 结论和展望
9.1本论文研究总结
9.2 前景展望
致谢
参考文献
攻博期间取得的研究成果