声明
摘要
第1章 绪论
1.1 航空发动机建模的背景和意义
1.2 发动机建模的基本方法
1.3 国内外航空发动机系统建模与仿真的发展及趋势
1.4 本文主要内容
1.5 本章小节
第2章 涡扇发动机执行机构
2.1 涡扇发动机结构分析
2.2 涡扇发动机执行机构结构分析
2.2.1 主燃油流量控制建模分析
2.2.2 风扇和压气机静子叶片导叶角控制机构建模分析
2.2.3 加力燃油流量控制建模分析
2.2.4 喷口控制建模分析
2.3 本章小节
第3章 涡扇发动机执行机构线性子系统辨识
3.1 线性系统辨识
3.1.1 系统辨识的步骤
3.1.2 系统辨识的基本方法
3.1.3 离线辨识与在线辨识
3.2 非线性系统辨识
3.2.1 非线性系统模型
3.2.2 非线性系统辨识方法
3.3 发动机执行机构辨识建模研究
3.3.1 发动机执行机构模型线性子系统辨识
3.3.2 涡扇发动机执行机构辨识结果与分析
3.3.3 发动机执行机构模型非线性子系统辨识
3.4 本章小节
第4章 基于BP网络的涡扇发动机执行机构非线性子系统辨识
4.1 人工神经网络
4.1.1 基本构成—神经元
4.1.2 神经网络结构
4.1.3 学习方式
4.1.4 学习算法
4.2 基于神经网络的辨识结构
4.2.1 神经网络系统辨识的基本原理
4.2.2 神经网络辨识模型结构
4.3 基于BP网络的涡扇发动机执行机构非线性子系统辨识
4.3.1 BP神经网络模型
4.3.2 BP神经网络基本原理
4.3.3 误差反向传播算法
4.3.4 BP算法的改进
4.4 涡扇发动机执行机构辨识结果与分析
4.5 本章小节
第5章 基于小波网络的涡扇发动机执行机构非线性子系统辨识
5.1 小波神经网络
5.1.1 小波分析
5.2.2 小波神经网络
5.2 基于小波网络的涡轮风扇发动机执行机构非线性子系统辨识
5.2.1 小波神经网络数学基础
5.2.2 基于小波框架构造小波神经网络
5.2.3 小波神经网络学习算法
5.3 基于EKF-WNN的涡轮风扇发动机执行机构非线性子系统辨识
5.3.1 卡尔曼滤波简述
5.3.2 标准卡尔曼滤波
5.3.3 扩展卡尔曼滤波
5.3.4 基于扩展卡尔曼滤波的小波神经网络学习算法
5.4 涡扇发动机执行机构辨识结果与分析
5.5 本章小节
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢