第1章绪 论
1.1 课题来源
1.2 课题研究背景和意义
1.3 国内外研究现状及分析
1.3.1 民航发动机故障诊断技术国内外研究现状
1.3.2 基于深度学习的故障诊断技术国内外研究现状
1.3.3 多维时序信息分类技术国内外研究现状
1.3.4 不均衡样本分类技术国内外研究现状
1.4 主要研究内容
第2章面向故障分类的DBN-SVM 模型构建
2.1 引言
2.2 深度置信网络模型
2.2.1 受限玻尔兹曼机
2.2.2 DBN 网络结构
2.2.3 DBN 训练
2.3 DBN 特征提取能力研究
2.3.1 DBN 特征提取能力研究方案
2.3.2 不同迭代次数下 RBM 特征提取能力分析
2.3.3 不同隐藏层节点数下 RBM 特征提取能力分析
2.4 基于 DBN-SVM 的数据分类能力研究
2.4.1 DBN-SVM 分类模型及分类能力研究方案
2.4.2 不同深度下 DBN-SVM 分类能力分析
2.5 应用验证
2.6 本章小结
第3章多维时序信息驱动的民航发动机气路故障诊断
3.1 引言
3.2 民航发动机 ACARS 数据分析及准备
3.2.1 ACARS 数据选取
3.2.2 ACARS 数据预处理
3.2.3 发动机样本收集
3.3 基于 WPT-DTW 的多维时间序列特征提取
3.3.1 基于离散小波包变换的时序信息挖掘
3.3.2 基于动态时间归整的相关性信息挖掘
3.3.3 基于 WPT-DTW 多维时间序列特征提取方法
3.4 基于 WPT-DTW 特征提取的民航发动机故障诊断方法
3.5 应用验证
3.5.1 基于 WPT-DTW 方法的多维时间序列向量化
3.5.2 多维时序信息驱动的民航发动机气路故障诊断
3.6 本章小结
第4章不均衡样本驱动的民航发动机气路故障诊断
4.1 引言
4.2 基于采样技术实现样本均衡化
4.2.1 采样技术
4.2.2 不均衡样本均衡化
4.3 基于 Adaboost.M1 的集成学习
4.3.1 Adaboost.M1 学习模型
4.3.2 基于 Adaboost.M1 的集成学习算法
4.4 不均衡样本驱动民航发动机气路故障诊断方法
4.4.1 不均衡样本驱动的民航发动机故障诊断框架
4.4.2 点形式不均衡样本驱动的故障诊断方法
4.4.3 序列形式不均衡样本驱动的故障诊断方法
4.5 应用验证
4.5.1 点形式不均衡样本驱动的故障诊断
4.5.2 序列形式不均衡样本驱动的故障诊断
4.6 本章小结
第5章民航发动机气路故障诊断原型系统开发
5.1 引言
5.2 需求分析
5.3 系统结构设计与实现
5.3.1 体系结构设计
5.3.2 功能模型设计
5.4 系统运行实例
5.4.1 点形式样本驱动的发动机故障诊断模型
5.4.2 多维时序信息驱动的发动机故障诊断模型
5.4.3 不均衡样本驱动的发动机故障诊断模型
5.5 本章小结
结 论
参考文献
攻读硕士学位期间发表的论文及其它成果
声明
致 谢
哈尔滨工业大学;
