第1章 发动机状态监测与故障诊断概述 1
1.1 发动机状态监测与故障诊断的目的与任务 1
1.1.1 基本概念 1
1.1.2 状态监测与故障诊断的目的与任务 2
1.2 发动机状态监测与故障诊断方法 3
1.2.1 性能状态监测和故障诊断 3
1.2.2 机械状态监测与故障诊断 4
1.2.3 无损检测 5
1.3 发动机状态监测与故障诊断实施过程 5
1.3.1 故障库建立 5
1.3.2 监测与诊断实施 6
1.4 发动机状态监测与故障诊断系统 6
1.5 发动机故障诊断技术发展趋势 8
第2章 信号分析与处理 9
2.1 信号分类及其描述 9
2.1.1 信号分类与基本描述 9
2.1.2 周期信号与离散谱 12
2.1.3 非周期信号与傅里叶变换 14
2.2 数据采集 14
2.2.1 数据采集系统 14
2.2.2 滤波与滤波器 15
2.2.3 数据采集原理 17
2.2.4 时间窗函数及其选择 23
2.3 离散信号频域分析 26
2.3.1 离散傅里叶变换 26
2.3.2 快速傅里叶变换 29
2.4 信号的幅域分析 32
2.4.1 概率密度函数及概率分布函数 32
2.4.2 常用幅域参数的定义与计算公式 34
2.5 信号的时域分析 35
2.6 信号的频域分析 39
2.6.1 信号的幅值谱与相位谱 39
2.6.2 阶比谱 40
2.6.3 功率谱 41
2.6.4 倒频谱 45
第3章 故障诊断的常用方法 49
3.1 Bayes分类法 49
3.1.1 条件概率 49
3.1.2 全概率公式 49
3.1.3 最小错误率的Bayes决策规则 50
3.1.4 最小平均损失 51
3.2 线性判别函数法 52
3.2.1 线性判别函数的基本概念 52
3.2.2 设计线性分类器的主要步骤 54
3.2.3 Fisher线性判别函数法 54
3.3 距离判别函数法 56
3.3.1 空间距离（几何距离）函数 56
3.3.2 信息距离判别法 57
3.4 最小二乘估计法 58
3.5 时序模型分析法 61
3.5.1 ARMA、AR和MA模型 61
3.5.2 ARMA模型的建模 63
3.5.3 ARMA模型的预测 66
3.5.4 ARMA模型的频域故障诊断 67
3.6 极大似然估计法 68
3.6.1 极大似然估计 68
3.6.2 正态线性模型的极大似然估计 69
3.7 最小方差估计法 70
3.7.1 最小方差估计的概念和性质 70
3.7.2 线性最小方差估计 71
3.7.3 线性最小方差估计的递推算法 74
3.8 Kalman滤波法 74
第4章 智能故障诊断方法 80
4.1 灰色理论诊断方法 80
4.1.1 灰色预测法 80
4.1.2 灰色关联度分析 82
4.2 模糊诊断方法 83
4.2.1 隶属函数 83
4.2.2 模糊矢量 87
4.2.3 模糊关系方程 87
4.2.4 模糊诊断准则 87
4.3 神经网络诊断方法 88
4.3.1 神经网络的基本原理 89
4.3.2 BP神经网络 91
4.3.3 某型航空发动机整机振动故障诊断实例 95
4.4 基于遗传算法的故障诊断方法 98
4.4.1 遗传算法的基本理论 98
4.4.2 遗传算法的基本原理和方法 102
4.4.3 遗传算法的一般运行过程 107
4.4.4 基于进化计算的故障特性分析一般过程 109
4.5 基于支持向量机的故障诊断方法 113
4.5.1 统计学习理论 113
4.5.2 支持向量机 114
4.5.3 支持向量机（SVM）的分类 116
4.5.4 航空发动机整机振动故障诊断实例分析 119
4.6 专家系统故障诊断方法 120
4.6.1 专家系统的基本结构及功能 121
4.6.2 知识表示与知识获取 122
4.6.3 专家系统的局限性 124
第5章 旋转机械振动故障诊断 126
5.1 滚动轴承故障及其诊断方法 126
5.1.1 滚动轴承故障的基本形式 126
5.1.2 滚动轴承的振动机理与典型故障的振动特征 127
5.1.3 滚动轴承故障的振动诊断方法 133
5.2 齿轮故障及其诊断方法 134
5.2.1 齿轮故障的基本形式 134
5.2.2 齿轮的振动及其特点 135
5.2.3 齿轮故障的振动诊断方法 141
5.3 转子系统故障及其诊断方法 143
5.3.1 转子振动的基本特性 143
5.3.2 转子典型故障的机理与振动特征 150
5.3.3 转子振动故障诊断的一般方法 163
5.3.4 转子振动故障的全息谱诊断法 169
5.3.5 利用征兆的故障诊断方法 170
第6章 航空发动机性能状态监测和故障诊断 182
6.1 发动机性能监测和故障诊断的目的和功能 182
6.2 发动机测量参数选择与数据获取 182
6.2.1 基本测量参数 182
6.2.2 可扩展性能监测参数 183
6.2.3 性能监测参数数据获取方法 184
6.3 性能监测参数基线确定 185
6.3.1 基线模型建立方法 185
6.3.2 参数偏差值修正 187
6.4 监测数据处理方法 187
6.4.1 测量数据预处理 187
6.4.2 消除多项式趋势项 188
6.4.3 数据平滑 190
6.5 性能监测和故障诊断方法 192
6.5.1 阈值诊断法 193
6.5.2 参数对比法 193
6.5.3 模型分析法 194
6.5.4 趋势分析法 200
6.5.5 指印图诊断法 203
6.5.6 测量数据的有效性检查 204
第7章 航空发动机机械状态监测和故障诊断 206
7.1 航空发动机振动监测和故障诊断 206
7.1.1 航空发动机振动的特点与测量 206
7.1.2 航空发动机主要振源分析 207
7.1.3 航空发动机振动监测与故障诊断系统的组成 210
7.1.4 航空发动机振动故障诊断实例 212
7.2 航空发动机滑油监测和故障诊断 223
7.2.1 滑油监测和故障诊断的目的与要求 223
7.2.2 滑油系统工作状态监测 224
7.2.3 滑油屑末监测 224
7.2.4 滑油理化性能监测 233
第8章 无损检测技术及其应用 237
8.1 无损检测技术概述 237
8.1.1 发动机延寿工作中的无损检测 238
8.1.2 新机新材料的无损检测 238
8.2 超声检测 238
8.2.1 超声检测原理 239
8.2.2 超声检测仪器与探头的选择 239
8.2.3 超声检测的优点和局限性 240
8.2.4 超声检测在航空发动机维修中的应用 241
8.3 涡流检测 242
8.3.1 涡流检测原理 243
8.3.2 涡流检测的优点和局限性 243
8.3.3 涡流检测技术可检测的主要项目 243
8.3.4 涡流的趋肤效应和渗透深度 244
8.3.5 涡流检测仪器 244
8.4 磁粉检测 246
8.4.1 磁粉检测原理 246
8.4.2 磁粉检测的优点和局限性 247
8.4.3 磁粉检测在航空维修中的应用 247
8.5 射线检测 248
8.5.1 射线检测原理 249
8.5.2 射线检测的优点和局限性 249
8.5.3 射线检测的适用范围 249
8.5.4 射线检测在航空发动机维修中的应用 249
8.6 渗透检测 250
8.6.1 渗透检测原理 250
8.6.2 渗透检测的优点和局限性 251
8.6.3 渗透检测的应用 251
8.7 内窥镜测量（孔探）技术 253
8.7.1 内窥镜的构造及使用 253
8.7.2 航空发动机多发故障分析 255
8.7.3 孔探技术在航空发动机维修中的应用 255
8.7.4 孔探技术的延伸及发展 257
第9章 航空发动机使用寿命监控与综合健康管理 258
9.1 航空发动机使用寿命监控 258
9.1.1 航空发动机使用寿命监控和管理的目的 258
9.1.2 航空发动机使用寿命监控 259
9.1.3 航空发动机零件寿命管理 266
9.2 航空发动机综合健康管理 269
9.2.1 EPHM系统的基本构成 269
9.2.2 EPHM系统设计要求 272
9.2.3 EPHM系统设计的关键技术 273
9.2.4 EPHM系统与飞机、发动机的交联 276
9.2.5 发动机健康管理技术的发展趋势 279
参考文献 281