航空发动机状态监测与故障诊断技术(普通高等教育十三五规划教材)

。。。

。。。

3.5.1 ARMA、AR和MA模型 3.5.2 ARMA模型的建模 3.5.3 ARMA模型的預測 3.5.4 ARMA模型的頻域故障診斷 3.6 極大似然估計法 3.6.1 極大似然估計 3.6.2 正態線性模型的極大似然估計 3.7 最小方差估計法 3.7.1 最小方差估計的概念和性質 3.7.2 線性最小方差估計 3.7.3 線性最小方差估計的遞推算法 3.8 Kalman濾波法 第4章 智能故障診斷方法 4.1 灰色理論診斷方法 4.1.1 灰色預測法 4.1.2 灰色關聯度分析 4.2 模糊診斷方法 4.2.1 隸屬函數 4.2.2 模糊矢量 4.2.3 模糊關系方程 4.2.4 模糊診斷準則 4.3 神經網絡診斷方法 4.3.1 神經網絡的基本原理 4.3.2 BP神經網絡 4.3.3 某型航空發動機整機振動故障診斷實例 4.4 基于遺傳算法的故障診斷方法 4.4.1 遺傳算法的基本理論 4.4.2 遺傳算法的基本原理和方法 4.4.3 遺傳算法的一般運行過程 4.4.4 基于進化計算的故障特性分析一般過程 4.5 基于支持向量機的故障診斷方法 4.5.1 統計學習理論 4.5.2 支持向量機 4.5.3 支持向量機(SVM)的分類 4.5.4 航空發動機整機振動故障診斷實例分析 4.6 專家系統故障診斷方法 4.6.1 專家系統的基本結構及功能 4.6.2 知識表示與知識獲取 4.6.3 專家系統的局限性 第5章 旋轉機械振動故障診斷 5.1 滾動軸承故障及其診斷方法 5.1.1 滾動軸承故障的基本形式 5.1.2 滾動軸承的振動機理與典型故障的振動特征 5.1.3 滾動軸承故障的振動診斷方法 5.2 齒輪故障及其診斷方法 5.2.1 齒輪故障的基本形式 5.2.2 齒輪的振動及其特點 5.2.3 齒輪故障的振動診斷方法 5.3 轉子系統故障及其診斷方法 5.3.1 轉子振動的基本特性