液體火箭發(fā)動機(jī)故障檢測診斷理論與方法

第1章 緒論
1.1引言
1.2基本概念與內(nèi)涵
1.2.1液體火箭發(fā)動機(jī)故障的特點
1.2.2發(fā)動機(jī)故障診斷的基本概念
1.2.3發(fā)動機(jī)故障診斷技術(shù)與其他領(lǐng)域診斷技術(shù)的聯(lián)系與區(qū)別
1.3發(fā)動機(jī)故障診斷方法研究現(xiàn)狀
1.3.1基于信號處理的方法
1.3.2基于數(shù)學(xué)模型的方法
1.3.3基于人工智能的方法
1.4發(fā)動機(jī)故障診斷技術(shù)的發(fā)展趨勢分析
1.4.1集成不同層次領(lǐng)域知識的智能故障診斷
1.4.2集成不同方法的綜合故障診斷
1.4.3集成不確定性信息的魯棒故障診斷
參考文獻(xiàn)
第2章 基于統(tǒng)計分析的發(fā)動機(jī)故障檢測方法
2.1引言
2.2故障檢測統(tǒng)計學(xué)基礎(chǔ)
2.3自適應(yīng)閾值故障檢測算法
2.3.1算法原理
2.3.2算法驗證與考核
2.4自適應(yīng)相關(guān)故障檢測算法
2.4.1算法原理
2.4.2算法的驗證與考核
2.5瞬變過程故障檢測的包絡(luò)線算法
2.5.1算法原理
2.5.2算法的驗證
2.6本章小結(jié)
參考文獻(xiàn)
第3章 基于神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障檢測方法
3.1引言
3.2神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
3.2.1神經(jīng)網(wǎng)絡(luò)簡介
3.2.2 BP網(wǎng)絡(luò)
3.2.3 RBF網(wǎng)絡(luò)
3.3液體火箭發(fā)動機(jī)的神經(jīng)網(wǎng)絡(luò)辨識模型
3.3.1穩(wěn)態(tài)工作過程的辨識模型
3.3.2啟動過程的辨識模型
3.4神經(jīng)網(wǎng)絡(luò)故障檢測算法的實現(xiàn)與驗證
3.4.1故障檢測邏輯
3.4.2神經(jīng)網(wǎng)絡(luò)故障檢測系統(tǒng)
3.4.3穩(wěn)態(tài)工作過程的神經(jīng)網(wǎng)絡(luò)故障檢測算法
3.4.4啟動工作過程的神經(jīng)網(wǎng)絡(luò)故障檢測算法
3.5神經(jīng)網(wǎng)絡(luò)故障檢測算法實時在線考核
3.6本章小結(jié)
參考文獻(xiàn)
第4章 基于模糊理論的發(fā)動機(jī)故障檢測與診斷方法
4.1引言
4.2模糊故障診斷理論基礎(chǔ)
4.2.1基于模糊模型的故障診斷方法
4.2.2 T—S模糊模型
4.2.3自適應(yīng)神經(jīng)模糊推理系統(tǒng)
4.3發(fā)動機(jī)工作過程模糊辨識模型
4.3.1穩(wěn)態(tài)過程模糊辨識模型
4.3.2啟動過程模糊辨識模型
4.4基于模糊辨識模型的發(fā)動機(jī)故障診斷實例
4.4.1基于模糊辨識模型的故障檢測
4.4.2基于模糊辨識模型的穩(wěn)態(tài)過程故障隔離
4.5本章小結(jié)
參考文獻(xiàn)
第5章基于云理論的發(fā)動機(jī)故障檢測與診斷方法
5.1引言
5.2云理論基礎(chǔ)
5.2.1基本概念
5.2.2云的數(shù)字特征
5.2.3云發(fā)生器
5.2.4虛云
5.2.5云變換
5.3基于云關(guān)聯(lián)規(guī)則的發(fā)動機(jī)故障檢測方法
5.3.1云關(guān)聯(lián)規(guī)則
5.3.2基于云關(guān)聯(lián)規(guī)則的故障檢測算法
5.3.3算法實現(xiàn)與結(jié)果分析
5.4基于云分類器的發(fā)動機(jī)故障診斷方法
5.4.1云分類器
5.4.2基于云分類器的發(fā)動機(jī)故障診斷算法
5.4.3診斷實例分析
5.5本章小結(jié)
參考文獻(xiàn)
第6章基于云－神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障檢測與診斷方法
6.1引言
6.2基于云－神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)實時故障檢測方法
6.2.1網(wǎng)絡(luò)結(jié)構(gòu)
6.2.2前向傳播過程
6.2.3反向傳播學(xué)習(xí)算法
6.2.4故障檢測方法
6.2.5實時性改進(jìn)
6.3基于云－神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)瞬變過程故障檢測實現(xiàn)與驗證
6.3.1啟動過程的云－神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)與驗證
6.3.2額定工況到高工況的云－神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)與驗證
6.3.3高工況到高工況高混合比的云－神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)與驗證
6.3.4高工況高混合比到高工況的云－神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)與驗證
6.4基于云－神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)穩(wěn)態(tài)過程故障檢測實現(xiàn)與驗證
6.4.1額定工況的云－神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)與驗證
6.4.2高工況的云－神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)與驗證
6.4.3高工況高混合比的云－神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)與驗證
6.5基于云模型的神經(jīng)模糊系統(tǒng)故障診斷方法
6.5.1相關(guān)研究評述
6.5.2基于云模型與神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障診斷方法
6.5.3診斷實例分析
6.6本章小結(jié)
參考文獻(xiàn)
第7章基于人工免疫的發(fā)動機(jī)故障檢測與診斷方法
7.1引言
7.2人工免疫原理
7.2.1人工免疫系統(tǒng)的仿生機(jī)理
7.2.2人工免疫系統(tǒng)模型與算法
7.3基于反向選擇的發(fā)動機(jī)穩(wěn)態(tài)過程故障檢測方法
7.3.1算法流程
7.3.2檢測實例
7.4免疫實值故障檢測與診斷方法
7.4.1免疫實值故障檢測算法
7.4.2 IRVR－NSA故障檢測與診斷算法
7.5基于克隆選擇的發(fā)動機(jī)故障診斷方法
7.5.1克隆選擇原理
7.5.2基于克隆選擇的故障診斷方法
7.5.3診斷實例
7.6本章小結(jié)
參考文獻(xiàn)
第8章基于符號有向圖的發(fā)動機(jī)故障診斷方法
8.1引言
8.2基于SDG的故障診斷基礎(chǔ)理論
8.3基于SDG的發(fā)動機(jī)診斷知識獲取和表示
8.3.1診斷對象
8.3.2發(fā)動機(jī)診斷知識獲取和表示
8.4基于SDG的發(fā)動機(jī)故障診斷推理
8.4.1基于深淺知識規(guī)則的故障診斷推理
8.4.2集成定量知識的故障診斷推理
8.4.3基于SDG的多模式故障診斷推理
8.5本章小結(jié)
參考文獻(xiàn)
……
第9章 基于時間因果圖的發(fā)動機(jī)故障診斷方法
第10章 基于定性偏差模型的發(fā)動機(jī)故障診斷方法
第11章 集成擴(kuò)展知識的發(fā)動機(jī)故障診斷方法
參考文獻(xiàn)