一、飞机交流发电机异常检测方法的研究（论文文献综述）
张利寒[1]（2020）在《基于数据驱动的飞机IDG可靠性分析》文中研究表明近年来,我国航空产业蓬勃发展、机队规模迅速增加,提升其使用可靠性是保障飞机安全运行的关键所在。随着航空维修数据的大量积累及数据挖掘技术的迅速发展,使得基于数据驱动的可靠性分析获得越来约广泛的关注和研究。而整体驱动发电机（Integrated Drive Generator,IDG）作为飞机供电系统的主要电源,其性能状况直接关系到飞机的安全运行,因此,本文以IDG部件的故障维修数据为驱动进行可靠性和维修方式的研究对提升飞机使用可靠性有着重大意义。首先从可靠性概念、可靠性相关指标、可靠性计算方法等理论出发,结合飞机IDG部件故障数据的特点,对数据采集、数据处理和可靠性分析等三个方面进行详细阐述。然后以某航空公司B737飞机的历史故障维修数据为基础,利用K-M估计法和MATLAB软件进行分析得出其寿命分布服从威布尔分布,再利用EM算法估计随机删失情况下威布尔分布的尺度参数和形状参数,对比删失数据和完整数据下的可靠性,得出威布尔分布下考虑删失数据的可靠性分析精度更高。为进一步分析IDG部件的故障数据,以故障原因、故障现象、故障时间等因素为研究对象,利用基于多值属性改进的Apriori算法建立关联规则分析模型,对预处理后的故障维修数据进行关联规则挖掘,结果显示:IDG部件大部分故障都与滑油系统的工作有关。最后,结合IDG部件的工作机理分析出滑油系统对IDG的具体影响,并对滑油系统进行可靠性分析,得出相关的维修建议,以提升飞机使用而可靠性。本文以历史故障维修数据为驱动,以可靠性基本理论及分析手段为主干,结合统计学、数据挖掘、比较分析等知识对飞机IDG部件的可靠性进行深入研究,为提升我国飞机使用可靠性和深度维修能力提供参考。
张红岩[2]（2020）在《航空变频交流发电机控制器研究》文中研究表明多电飞机在逐步取消液压和气源系统的同时,电源容量要大幅扩充。目前航空发电机的单机容量有限,要为多电飞机的负载供电,需要多台发电机同时工作,使得电源系统复杂度相应增加。其通用发电机控制器（Generator Control Unit,GCU）除了在发电机变转速和变负载条件下维持电压调节点处电压恒定的主功能外,也要与汇流条功率控制器配合,完成飞机电网的供电、故障定位与隔离。本课题以额定功率为250k VA的无刷变频三级式交流起动发电机作为研究对象,其频率范围为360～800Hz,重点对其配套发电机控制器的调压设计、控制保护功能及旋转整流器故障检测技术展开研究。首先,本文介绍了三级式同步发电机的结构及发电调压原理,根据dq坐标系下的数学方程,在Simulink中建立电励磁同步发电机和永磁同步电机模型。采用基于模糊控制的电压调节策略,提高在全速域和各种负载工况下发电系统的电压调节性能,并通过仿真进行验证。其次,在双通道多电飞机电源系统的环境下,对发电机控制器的通用控制及保护功能进行研究,理论分析了在直流分量影响下差动保护误动作的机理。然后,从换相的角度理论分析了旋转整流器故障状态下主励磁机励磁电流的谐波含量,并通过有限元软件构建电机的二维模型仿真验证;同时,采用有限元模型与Simplorer的联合仿真,搭建了旋转整流器故障模型,探讨了基于直流母线电压的旋转整流器短路故障的检测技术。最后,设计了控制器的硬件电路,在硬件平台的基础上,设计了软件程序。基于软硬件设计,在实验平台上验证了调压器的调压策略,优化了发电系统的动态响应性能。
郭瑞东[3]（2020）在《基于神经网络的发电机旋转整流器诊断技术研究》文中认为旋转整流器是航空三级式同步发电机中的一个重要部件。在发电机的运行过程中,旋转整流器长期处于高速旋转状态和高温工作环境,承受着较高的离心力和热应力,容易产生损坏和故障,这将直接影响到发电机运行状态。因此,研究旋转整流器的故障诊断和监测技术,对于提高航空发电机的可靠性,保障飞机的安全飞行,具有十分重要的研究意义和应用价值。本文以发电机旋转整流器为研究对象,重点研究了旋转整流器故障诊断和特征提取等关键技术。其中,分别研究了基于深度学习网络的故障特征提取和基于改进型极限学习机的故障分类。并设计了基于现场可编程逻辑门阵列（Field Programmable Gate Array,FPGA）的故障诊断系统,能够提高发电机旋转整流器的实时故障诊断效果。具体研究内容如下:（1）研究了基于深度置信网络的故障特征提取方法,并在网络模型添加Dropout进行优化,从而改善深度置信网络模型存在过拟合的问题,提高了模型的性能;同时为了解决极限学习机模型随机初始化参数导致诊断正确率不稳定问题,采用引力搜索算法对该分类器模型参数进行寻优,提高了模型的分类性能,又保证模型本身的快速性。（2）考虑到对发电机实施故障诊断时,对故障诊断的实时性要求很高。论文研究基于神经网络的故障诊断技术,并搭建了基于FPGA平台的故障诊断系统。尝试将神经网络模型移植到FPGA平台中,用于实时诊断发电机旋转整流器健康状态。在基于FPGA的故障诊断系统中,根据故障诊断技术不同组成部分将系统划分为不同模块设计。其中,数据采集模块利用AD芯片采集发电机的故障监测信号;FFT模块对采集数据进行频谱分析,以获取故障监测信号频谱特征;神经网络模块分别设计具有特征提取和分类能力的网络模型,用于实现特征提取及故障诊断。在本文研究中,还对几种网络模型的诊断系统性能进行了对比和分析。实验分析结果表明,基于FPGA的故障诊断系统诊断速度快,适用于对诊断实时性要求很高的航空发电机平台。
刘奕[4]（2020）在《5G网络技术对提升4G网络性能的研究》文中研究表明随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
陈朔[5]（2020）在《基于ANTLR的AltaRica 3.0模型分析方法研究》文中提出随着工业系统的规模不断扩大,系统的失效会导致严重的财产损失和人员伤亡,系统安全性和可靠性分析就显得尤为重要。基于模型的系统安全性分析（Model-Based Safety Assessment,MBSA）是近年来出现的一类面向复杂系统的安全性建模与分析方法,Alta Rica 3.0就是其中一种在航空航天系统安全分析领域应用较为广泛的MBSA建模语言。与此同时,形式化方法（Formal Methods）所具备的严格数学模型和自动化分析算法的特点使得工业界也开始应用相关的形式化模型和工具,如:Nu SMV等。如何将典型的领域建模分析语言与形式化验证技术综合在一起来增强对复杂系统的安全性、可靠性的建模与分析能力,是目前这个领域中的一个重要挑战。本文工作综合考虑Alta Rica 3.0的系统安全性建模能力和Nu SMV的形式化验证能力,设计了对Alta Rica模型的自动化解析方法,并构造从Alta Rica 3.0转换为Nu SMV模型的模型转换框架,实现相关工具使得可以应用Nu SMV的验证能力来对Alta Rica 3.0模型进行系统行为验证。具体而言包括如下几个方面:（1）分析Alta Rica 3.0和Nu SMV的模型元素映射规则,并证明其正确性。首先构建Alta Rica 3.0、GTS（Guarded Transition System）和Nu SMV三种语言的ANTLR（Another Tool for Language Recognition）元语言语法解析文件;然后利用语法解析文件从词法和语法两个方面总结模型语言之间的对应关系,并且从语义一致性的层次上对模型语言之间的映射规则进行证明,说明转换的正确性和语义一致性。（2）基于ANTLR设计了一套适用于Alta Rica 3.0模型的平展化算法（A2GTS）和模型转换算法（G2N）,分别实现Alta Rica 3.0到形式化语义模型GTS的平展化,和将GTS转换为Nu SMV的过程。A2GTS和G2N均包含两阶段的处理过程:模型信息的自动获取和模型转换。其中,模型元素的自动获取来自于构造ANTLR的语法解析文件所生成的抽象语法树,模型的转换则是通过建立两类模型之间的映射规则来实现。（3）构造一个面向Alta Rica 3.0模型分析框架和相应的原型工具的实现。原型工具中实现了平展化算法（A2GTS）和模型转换算法（G2N）,能够将Alta Rica 3.0模型转换成Nu SMV模型,并调用Nu SMV工具对转换模型进行系统安全属性的验证,工具的其他功能还包括Alta Rica3.0模型语法检测、模型编辑、平展化功能和模型转换等。（4）在前述工作基础上,对一个典型的飞机起落架收放控制系统展开系统建模与安全性分析实例研究工作,包括:根据系统文档构建该系统的Alta Rica 3.0模型,应用原型工具软件实现Alta Rica 3.0模型转换为Nu SMV模型,同时提取系统的安全属性CTL约束,最后调用Nu MSV工具进行模型检测。实例研究展示了本文工作方法的有效性。
倪优扬[6]（2020）在《基于深度学习的航空交流发电机故障诊断技术研究》文中进行了进一步梳理随着通航产业的蓬勃发展,民用飞机的飞行安全和持续适航性愈来愈为公众所关注。航空交流发电机作为机上主要供电来源,其正常工作是保障飞机安全运行的重要条件。根据发电机安全监控数据,采取高效可靠的故障诊断技术,及时发现和处理发电机设备运行过程中出现的故障情况,对整个飞机的安全飞行及供电系统的正常运行具有重要意义。首先,本论文从航空三级交流发电机的基本构成出发,详细分析了重要模块的数学模型和仿真模型,以某型直升机发电机为原型在Matlab可视化仿真环境中搭建了相应的三级同步交流发电机仿真模型。在此基础上,详细分析了发电机典型故障模态及其致因和机理,通过故障仿真采集了相应的仿真运行数据。其次,本论文详细阐述和总结了几种典型深度学习方法在及其故障诊断领域中的应用,深入研究和探讨了深度置信网络（DBN）算法;针对发电机故障特征提取和数据分类设计了实验对DBN进行性能研究分析,验证了DBN直接对原始时域故障信号进行故障特征提取的性能、以及将特征提取和数据分类两步整合在同一个模型中的可行性;采用基于励磁电流信号的DBN方法对航空交流发电机进行故障识别,仿真实验结果表明,该方法对于航空发电机多故障诊断具有极高的准确率。本论文在进一步研究发电机故障特征的基础上,提出了一种基于励磁电流和三相输出电压相结合的多判据DBN分级故障诊断方法,利用电压幅值变化作为前级辅助判据,对故障数据集进行初步划分,减少了单个DBN所需要处理的故障类型,仿真实验结果表明,分级故障诊断方法效率大大提高,在航空三级交流发电机的故障诊断中表现出了优越的性能。
陈丽帆[7]（2020）在《《MH370安全调查报告》（节选）翻译报告》文中提出本文是对《MH370安全调查报告》（节选）的英汉翻译报告。《MH370安全调查报告》是对震惊全球的马航失联事件的最终书面调查报告。整篇安全调查报告总计20万余字,目前尚无官方中文译本。其正文部分主要包括四个章节:事件信息,事件分析,调查结果与结论,以及安全建议。本翻译报告选取了第一章1.4至1.9小节的部分内容进行翻译和研究。本报告是在框架型术语学理论指导下进行的航空术语翻译的研究。框架型术语学是由帕米拉·法贝尔（Pamela Faber）及其同事提出的一种较新的认知术语学理论。长期以来,面向航空术语翻译的研究相对较少,而现有的研究多关注术语的构词特征、理解阐释与翻译策略,很少或几乎未有研究者从认知的视角关注航空术语的翻译。科技术语具有多义性。而航空术语因其领域特性,在航空安全、标准制定、国际沟通等各方面,要求较高的术语翻译准确性。因此,本文拟从认知角度出发,通过“域事件”、“概念构架”和“图像描绘”三个方向进行航空术语的翻译研究,尽量减少理解性误差,更加准确地把握航空术语翻译,为日后全行业内航空术语翻译带来启示。
曹子豪[8]（2020）在《基于STFT与LSTM的商用大飞机电源数据异常检测》文中认为随着数据挖掘与机器学习算法的蓬勃发展,各行各业都涌现出一股大数据的潮流。航空工业也不例外,各大航空公司纷纷开始重视大数据,并花费大量精力研究航空大数据的处理分析手段。我国在航空工业的设计制造上起步较晚,对航空大数据的积累与分析更是不足。在这种研究背景下,本文以航空大数据中的商用大飞机交流电源信号数据为研究对象,聚焦于其中频域关键品质参数的异常检测。目前针对电源信号频域关键品质参数的研究方法存在两种不足之处,一是当前方法异常检测结果的时效性很差,检测到的异常信息没有太大的参考价值;二是当前方法异常检测结果的准确度仍然有待提升。针对以上现有研究方法的不足,本文开展了对现有电源信号频域参数异常检测方法的改进工作,以设计出一种高时效性和高可靠性的异常检测方法为目的,提出并设计实现了一种新的基于频域参数值预测的模型,同时还建立了机载电源异常知识库。从而提升商用大飞机的飞行安全保障性,且实现对机载电源故障数据的经验积累。本次研究主要有两个创新点,一个是设计并实现了一种基于短时傅里叶变换（Short Time Fourier Transform,STFT）与长短期记忆（Long Short Term Memory,LSTM）递归神经网络模型的异常检测模型。该模型能够实现对机载电源信号频域关键品质参数值的超前预测,有效地解决了当前方法时效性很差的缺陷,具有高时效性的特点。另一个创新点是该异常检测模型具有很高的检测准确度,可靠性较高。尤其是在超前较长时间进行异常检测的场景下,模型输出结果的准确度远高于当前其他方法。本次研究还做了一些深入的拓展研究工作,包括对上述模型中各模块的优化研究,通过在不同实现方法之间进行理论层面对比分析,寻找到在本次课题场景下最为合适的实现方法。本文的最后是对本次研究所有内容的实验验证。一方面对本次研究设计实现的异常检测模型进行大量实验,分析验证其相较于当前其他方法具有高时效性与预测结果高准确度的优势,同时也验证了方法中异常知识库对模型的优化作用。另一方面进行了一些以优化为目的的各项对比实验,并对实验结果进行分析。
李红,邓乐武,吕素,罗强[9]（2019）在《现代飞机发电系统及差动保护误动的机理分析与优化策略》文中认为目前飞机常用的交流发电机仍采用三级式交流励磁同步发电机,通过引入定速传动驱动装置可消除发动机转速对该结构的影响。通常需要在发电机侧和线路侧安装互感器元件用于检测电流差值大小,并通过发电机控制器触发用于保护发电机与主汇流条供电线路间的接触器,从而实现差动保护。有效的差动保护能确保发电机和发电馈线的安全,但差动保护误动将会严重干扰飞机的正常运行。分析了飞机主交流发电系统结构及保护区内正常短路的差动保护方案,进一步考虑当一次电流含直流分量、互感器两相误接、互感器接入方向反向对差动保护可能造成的影响。通过理论分析和图形模拟方法证明了三种情形均会造成主交流发电系统差动保护误动,并通过Matlab/Simulik验证了分析的正确性,并提供了改进方案实现了飞机电气系统的进一步优化,同时为飞机整体的安全性能提供了思路和保障。
赵博研,孙奕威,董振华[10]（2019）在《飞机交流电源系统的控制保护技术》文中研究指明本文结合我公司研制的发电机控制保护器,介绍了一种较为通用的交流电源系统的控制保护技术。
二、飞机交流发电机异常检测方法的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、飞机交流发电机异常检测方法的研究（论文提纲范文）
（1）基于数据驱动的飞机IDG可靠性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 飞机可靠性的研究现状 |
| 1.2.2 数据挖掘的研究现状 |
| 1.3 论文的主要内容 |
| 1.4 论文的创新之处 |
| 1.5 论文的技术路线 |
| 第二章 可靠性分析基础 |
| 2.1 可靠性基本理论 |
| 2.1.1 可靠性定义及包含的因素 |
| 2.1.2 可靠性常用指标 |
| 2.2 历史故障数据的数据分析 |
| 2.2.1 数据采集 |
| 2.2.2 数据挖掘分析 |
| 2.2.3 数据挖掘技术 |
| 2.3 历史故障数据的可靠性分析 |
| 2.3.1 非参数估计方法 |
| 2.3.2 参数估计方法 |
| 2.4 本章小结 |
| 第三章 基于EM算法的随机删失数据可靠性分析 |
| 3.1 数据收集与预处理 |
| 3.2 随机删失故障数据的寿命分布 |
| 3.2.1 数据预处理 |
| 3.2.2 分布拟合 |
| 3.3 随机删失故障数据的参数估计 |
| 3.3.1 EM算法 |
| 3.3.2 EM算法下威布尔分布的参数估计 |
| 3.4 本章小结 |
| 第四章 基于多值属性Apriori算法的飞机IDG故障分析 |
| 4.1 数据准备 |
| 4.2 建立模型 |
| 4.2.1 关联规则概念及Apriori算法 |
| 4.2.2 Apriori算法的改进 |
| 4.2.3 基于多值属性Apriori算法的关联规则挖掘 |
| 4.3 结果分析 |
| 4.4 本章小结 |
| 第五章 基于可靠性分析的飞机IDG维修建议 |
| 5.1 维修方式分类 |
| 5.2 IDG部件工作机理 |
| 5.3 维修建议 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（2）航空变频交流发电机控制器研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 课题研究背景与研究意义 |
| 1.3 课题研究现状 |
| 1.3.1 发电机控制器技术性能及指标 |
| 1.3.2 发电机控制器研究现状 |
| 1.3.3 发电机故障诊断及保护功能研究现状 |
| 1.3.4 旋转整流器故障检测技术 |
| 1.4 本文的主要研究内容 |
| 第二章 三级式同步发电机系统的原理与建模 |
| 2.1 引言 |
| 2.2 变频交流发电系统介绍 |
| 2.3 三级式同步电机的建模 |
| 2.3.1 电励磁同步发电机 |
| 2.3.2 永磁同步电机 |
| 2.4 基于Simulink的发电系统仿真 |
| 2.4.1 三级式发电机模型 |
| 2.4.2 励磁主功率模型 |
| 2.4.3 控制周期计算模型 |
| 2.4.4 有效值计算模型 |
| 2.4.5 调压模型 |
| 2.4.6 发电系统仿真 |
| 2.5 本章小结 |
| 第三章 航空多电飞机发电机控制器控制保护单元 |
| 3.1 引言 |
| 3.2 多电飞机电源系统 |
| 3.2.1 VFSG起动模式 |
| 3.2.2 VFSG发电模式 |
| 3.3 GCU的控制功能 |
| 3.4 GCU的保护功能 |
| 3.4.1 GCU的保护项目 |
| 3.4.2 馈线直流分量对差动保护误动作的机理分析 |
| 3.5 本章小结 |
| 第四章 旋转整流器故障检测技术研究 |
| 4.1 引言 |
| 4.2 基于励磁机励磁电流的旋转整流器故障检测方法 |
| 4.2.1 旋转整流器正常工作时的谐波含量分析 |
| 4.2.2 旋转整流器开路故障时的谐波电流分析 |
| 4.2.3 旋转整流器短路故障时的谐波电流分析 |
| 4.2.4 Simplorer仿真验证 |
| 4.3 基于直流母线电压的旋转整流器故障检测方法 |
| 4.4 本章小结 |
| 第五章 发电机控制器系统软硬件设计 |
| 5.1 引言 |
| 5.2 硬件设计 |
| 5.2.1 GCU板卡与接口设计 |
| 5.2.2 辅助电源电路 |
| 5.2.3 主控电路 |
| 5.2.4 励磁主功率电路 |
| 5.2.5 采样调理电路 |
| 5.2.6 接触器驱动电路 |
| 5.3 软件设计 |
| 5.3.1 GCU工作模式选择设计 |
| 5.3.2 主程序设计 |
| 5.3.3 采样调压程序 |
| 5.3.4 自检功能设计 |
| 5.3.5 保护功能设计 |
| 5.4 系统调压实验与分析 |
| 5.4.1 稳态调压实验 |
| 5.4.2 动态调压实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 后期工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（3）基于神经网络的发电机旋转整流器诊断技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 飞机电源系统概述 |
| 1.1.2 航空发电机故障诊断重要性 |
| 1.2 飞机发电机故障诊断技术研究现状 |
| 1.2.1 转子故障国内外研究现状 |
| 1.2.2 定子故障国内外研究现状 |
| 1.2.3 旋转整流器故障诊断研究现状 |
| 1.3 论文研究内容及章节安排 |
| 第二章 基于神经网络模型的故障诊断技术研究 |
| 2.1 特征提取技术简介 |
| 2.1.1 DBN模型介绍 |
| 2.1.2 Dropout策略 |
| 2.1.3 Dropout-DBN模型 |
| 2.2 故障分类技术简介 |
| 2.2.1 ELM模型介绍 |
| 2.2.2 引力搜索算法概述 |
| 2.2.3 GSA-ELM模型 |
| 2.3 仿真模型实验验证 |
| 2.3.1 仿真模型及故障模式说明 |
| 2.3.2 数据采集与实验方法 |
| 2.3.3 实验结果分析 |
| 2.4 实际实验验证 |
| 2.4.1 物理平台简介 |
| 2.4.2 数据采集及预处理 |
| 2.4.3 实验验证及结果分析 |
| 2.5 本章小结 |
| 第三章 基于FPGA的故障诊断系统设计 |
| 3.1 FPGA平台及系统开发简介 |
| 3.1.1 FPGA硬件芯片简介 |
| 3.1.2 软硬件测试环境选择 |
| 3.1.3 软件环境介绍 |
| 3.1.4 故障诊断系统设计流程图 |
| 3.2 模块设计及仿真验证 |
| 3.2.1 数据采集模块设计 |
| 3.2.2 FFT模块设计 |
| 3.2.3 神经网络模块设计 |
| 3.2.4 顶层系统设计 |
| 3.3 故障诊断系统实验结果分析 |
| 3.3.1 系统测试 |
| 3.3.2 性能分析 |
| 3.4 本章小结 |
| 第四章 总结与展望 |
| 4.1 本文工作总结 |
| 4.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表(录用)的学术论文 |
（4）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（5）基于ANTLR的AltaRica 3.0模型分析方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究目的和意义 |
| 1.4 本文内容及安排 |
| 第二章 背景知识 |
| 2.1 基于模型的安全分析方法 |
| 2.1.1 MBSA介绍 |
| 2.1.2 MBSA的优势 |
| 2.2 AltaRica 3.0模型 |
| 2.2.1 基本概念 |
| 2.2.2 卫士迁移系统 |
| 2.3 NuSMV模型检测 |
| 2.3.1 模型检测 |
| 2.3.2 NuSMV建模 |
| 2.4 ANTLR语法解析器 |
| 2.5 本章小结 |
| 第三章 AltaRica 3.0到NuSMV的模型转换 |
| 3.1 面向AltaRica 3.0模型的分析框架 |
| 3.2 基于ANTLR的语法解析过程 |
| 3.2.1 AltaRica 3.0元语言解析 |
| 3.2.2 GTS元语言解析 |
| 3.2.3 NuSMV元语言解析 |
| 3.2.4 生成AST示例 |
| 3.3 AltaRica 3.0和NuSMV的对应规则 |
| 3.3.1 词法层次对应关系 |
| 3.3.1.1 基本类型对应关系 |
| 3.3.1.2 变量和常量的对应关系 |
| 3.3.1.3 表达式的对应关系 |
| 3.3.2 语法层次对应关系 |
| 3.3.2.1 transition的转换 |
| 3.3.2.2 同步事件转换 |
| 3.3.2.3 assertion的转换 |
| 3.4 AltaRica 3.0和NuSMV逻辑对应关系 |
| 3.4.1 AltaRica 3.0和GTS逻辑对应关系 |
| 3.4.2 GTS和NuSMV逻辑对应关系 |
| 3.4.3 转换的正确性 |
| 3.5 三级备用冗余供电系统建模分析 |
| 3.5.1 系统介绍及分析 |
| 3.5.2 AltaRica 3.0建模和模型转换 |
| 3.6 本章小结 |
| 第四章 基于ANTLR的AltaRica 3.0模型转换算法及实现 |
| 4.1 算法概述 |
| 4.2 转换算法A2GTS的框架 |
| 4.3 转换算法G2N的框架 |
| 4.4 算法伪代码和运行步骤 |
| 4.4.1 A2GTS算法 |
| 4.4.1.1 Block平展化算法 |
| 4.4.1.2 Class平展化算法 |
| 4.4.1.3 同步平展化算法 |
| 4.4.2 G2N算法 |
| 4.4.2.1 变量转换过程 |
| 4.4.2.2 正常事件转换过程 |
| 4.4.2.3 同步事件转换过程 |
| 4.4.2.4 断言转换过程 |
| 4.5 算法分析 |
| 4.5.1 算法时间复杂度分析 |
| 4.5.2 GetMapClass数据结构 |
| 4.5.3 AST遍历算法设计 |
| 4.6 面向AltaRica 3.0模型的分析软件设计 |
| 4.6.1 软件架构 |
| 4.6.2 软件实现 |
| 4.6.2.1 软件运行流程 |
| 4.6.2.2 代码实现 |
| 4.7 总结 |
| 第五章 飞机起落架收放系统的实例建模与分析 |
| 5.1 安全关键系统实例介绍 |
| 5.1.1 飞机起落架收放系统简介 |
| 5.1.2 命令控制模块和反馈模块 |
| 5.1.3 软件模块 |
| 5.1.4 物理模块 |
| 5.2 飞机起落架系统的AltaRica 3.0建模分析 |
| 5.2.1 命令控制模块建模 |
| 5.2.2 软件模块建模 |
| 5.2.3 物理组件建模 |
| 5.2.3.1 电子阀门建模 |
| 5.2.3.2 液压缸建模 |
| 5.2.3.3 液压回路建模 |
| 5.2.4 组件交互建模 |
| 5.2.4.1 PhysicsDoor和PhysicsGear模块 |
| 5.2.4.2 PysicsGeneral模块 |
| 5.2.4.3 PysicsModule模块 |
| 5.3 飞机起落架收放系统的NuSMV模型 |
| 5.3.1 模型转换 |
| 5.3.2 系统行为提取 |
| 5.3.3 安全属性验证 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 研究工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于深度学习的航空交流发电机故障诊断技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 民用飞机供电体制 |
| 1.1.2 机载供电系统适航性要求 |
| 1.2 研究现状与发展趋势 |
| 1.2.1 故障诊断技术研究现状 |
| 1.2.2 深度学习在故障诊断领域的应用 |
| 1.3 论文结构和研究内容 |
| 第二章 航空交流发电机故障仿真及数据采集 |
| 2.1 同步发电机模型 |
| 2.1.1 同步发电机数学模型 |
| 2.1.2 同步发电机仿真模型 |
| 2.2 三级无刷交流同步发电机仿真建模 |
| 2.2.1 发电机调压控制系统 |
| 2.2.2 三级发电机模型仿真模型搭建 |
| 2.2.3 基于三级发电机模型的交流主电源系统仿真分析 |
| 2.3 故障模态分析和仿真 |
| 2.3.1 发电机短路故障 |
| 2.3.2 发电机断相故障 |
| 2.3.3 发电机内部绕组匝间短路故障 |
| 2.3.4 发电机励磁回路故障 |
| 2.3.5 发电机故障数据 |
| 2.4 本章小结 |
| 第三章 基于深度学习的发电机故障诊断方法研究 |
| 3.1 深度学习故障诊断应用 |
| 3.1.1 深度学习基本概念 |
| 3.1.2 典型深度学习方法研究 |
| 3.2 深度置信神经网络 |
| 3.2.1 受限波兹曼机 |
| 3.2.2 DBN网络结构 |
| 3.2.3 DBN训练过程 |
| 3.3 基于发电机仿真数据的DBN模型性能研究 |
| 3.3.1 RBM特征提取性能 |
| 3.3.2 DBN数据分类性能 |
| 3.4 基于励磁电流信号的发电机故障诊断方法 |
| 3.4.1 基于原始时域信号的DBN故障诊断流程 |
| 3.4.2 励磁电流数据预处理及网络训练 |
| 3.4.3 航空交流发电机故障识别仿真实验 |
| 3.5 本章小结 |
| 第四章 基于多故障信号的发电机故障诊断技术研究 |
| 4.1 基于输出电压信号的发电机故障集划分 |
| 4.2 基于DBN的分级故障诊断流程 |
| 4.3 DBN故障诊断方法性能分析 |
| 4.3.1 算法复杂度和诊断效率分析 |
| 4.3.2 不同特征提取数目下的DBN故障诊断性能 |
| 4.3.3 不同样本长度下的DBN故障诊断性能 |
| 4.3.4 不同方法的诊断结果比较 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文的主要工作 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及论文发表情况 |
| 附录 三级无刷同步发电机仿真模型 |
（7）《MH370安全调查报告》（节选）翻译报告（论文提纲范文）
| Acknowledgements |
| 摘要 |
| ABSTRACT |
| Chapter One TASK DESCRIPTION |
| 1.1 Background of the Project |
| 1.2 Project Description |
| 1.3 Structure of the Report |
| Chapter Two DESCRIPTION OF TRANSLATION PROCESS |
| 2.1 Pre-translation Preparation |
| 2.1.1 Stylistic Analysis of Textual Features |
| 2.1.2 Types of Translation Difficulties Encountered |
| 2.1.3 Assistant Tools |
| 2.1.4 Theoretical Basis |
| 2.2 Translation Process |
| 2.3 After-translation Management |
| 2.3.1 Self-proofreading |
| 2.3.2 Proofreading by Others |
| Chapter Three CASE ANALYSIS |
| 3.1 Domain Event |
| 3.1.1 Inter-domain Events |
| 3.1.2 Internal Components |
| 3.2 Conceptual Frame |
| 3.2.1 Language and Knowledge Unit |
| 3.2.2 Conceptual Networks |
| 3.3 Image Description |
| 3.3.1 Interpretation function |
| 3.3.2 Representation function |
| Chapter Ⅳ CONCLUSION |
| 4.1 Major Findings |
| 4.2 Limitations |
| 4.3 Suggestions |
| References |
| AppendixⅠ :Alignment of the Original Text and the Translation |
| Appendix Ⅱ:Publications |
（8）基于STFT与LSTM的商用大飞机电源数据异常检测（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 航空大数据 |
| 1.1.2 航空电源品质参数 |
| 1.2 研究现状分析 |
| 1.3 研究内容 |
| 1.3.1 课题研究目标 |
| 1.3.2 课题研究内容 |
| 1.3.3 课题研究意义 |
| 1.4 论文章节及内容安排 |
| 第二章 时频域异常检测理论基础 |
| 2.1 快速傅里叶变换 |
| 2.2 短时傅里叶变换 |
| 2.3 循环神经网络 |
| 2.4 长短期记忆神经网络 |
| 2.5 本章小结 |
| 第三章 频域异常检测方法的研究设计与实现 |
| 3.1 频域异常检测方法的设计思想 |
| 3.1.1 基于STFT的频域异常检测方法 |
| 3.1.2 基于LSTM的时间序列预测方法 |
| 3.1.3 基于STFT与 LSTM的频域异常检测方法 |
| 3.2 频域异常检测模型的实现 |
| 3.2.1 时频处理 |
| 3.2.2 预测前数据预处理 |
| 3.2.3 时间序列预测模型 |
| 3.3 本章小结 |
| 第四章 频域异常检测模型的对比分析 |
| 4.1 时频处理的对比分析 |
| 4.1.1 小波变换 |
| 4.1.2 希尔伯特-黄变换 |
| 4.2 LSTM神经网络的优化与对比分析 |
| 4.2.1 多步长LSTM神经网络模型 |
| 4.2.2 门控循环单元神经网络 |
| 4.3 其他时间序列预测分析模型 |
| 4.3.1 ARIMA模型 |
| 4.3.2 XGBoost模型 |
| 4.4 本章小结 |
| 第五章 频域异常检测模型的实验结果与分析 |
| 5.1 实验说明 |
| 5.1.1 实验方法概述 |
| 5.1.2 实验环境配置 |
| 5.1.3 实验结果评价标准 |
| 5.1.4 实验原始数据 |
| 5.2 实验过程与中间结果 |
| 5.2.1 时频处理结果 |
| 5.2.2 数据预处理结果 |
| 5.2.3 LSTM网络模型训练结果 |
| 5.3 基础实验结果与分析 |
| 5.3.1 模型准确度实验结果与对比分析 |
| 5.3.2 模型时效性实验结果与对比分析 |
| 5.3.3 异常知识库对模型性能的提升 |
| 5.4 优化实验结果与对比分析 |
| 5.4.1 多步长LSTM的性能提升 |
| 5.4.2 GRU神经网络的训练耗时缩减 |
| 5.4.3 LSTM与 XGBoost的对比分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作与创新点 |
| 6.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（9）现代飞机发电系统及差动保护误动的机理分析与优化策略（论文提纲范文）
| 0 引 言 |
| 1 飞机发电系统原理 |
| 1.1 飞机三级式交流发电机结构 |
| 1.2 飞机恒速交流发电机结构 |
| 2 系统差动保护原理 |
| 2.1 差动保护基本要求 |
| 2.2 典型的短路故障差动保护 |
| 3 差动保护误动作 |
| 3.1 一次侧电流含有直流分量 |
| 3.2 互感器方向反向串接 |
| 3.3 互感器两相误接, 负载短路将引起差动误保护 |
| 4 仿真验证 |
| 5 互感器差动保护误动作解决方案 |
| 6 结 论 |
四、飞机交流发电机异常检测方法的研究（论文参考文献）
- [1]基于数据驱动的飞机IDG可靠性分析[D]. 张利寒. 中国民航大学, 2020(01)
- [2]航空变频交流发电机控制器研究[D]. 张红岩. 南京航空航天大学, 2020(07)
- [3]基于神经网络的发电机旋转整流器诊断技术研究[D]. 郭瑞东. 南京航空航天大学, 2020(07)
- [4]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [5]基于ANTLR的AltaRica 3.0模型分析方法研究[D]. 陈朔. 南京航空航天大学, 2020(07)
- [6]基于深度学习的航空交流发电机故障诊断技术研究[D]. 倪优扬. 南京航空航天大学, 2020(07)
- [7]《MH370安全调查报告》（节选）翻译报告[D]. 陈丽帆. 南京航空航天大学, 2020(07)
- [8]基于STFT与LSTM的商用大飞机电源数据异常检测[D]. 曹子豪. 上海交通大学, 2020(01)
- [9]现代飞机发电系统及差动保护误动的机理分析与优化策略[J]. 李红,邓乐武,吕素,罗强. 四川电力技术, 2019(02)
- [10]飞机交流电源系统的控制保护技术[A]. 赵博研,孙奕威,董振华. 第八届民用飞机航电国际论坛论文集, 2019