一、概述 二、典型推進系統(tǒng)測試任務 2.1固體火箭發(fā)動機 2.2液體火箭發(fā)動機 2.3航空發(fā)動機 2.4沖壓發(fā)動機 2.5實踐一：搭建壓強測量系統(tǒng) 2.6實踐二：搭建振動測量系統(tǒng) 三、智能傳感器技術 3.1概述 3.2傳感器自校準 3.3傳感器誤差的智能補償 3.4智能溫度傳感器 3.5智能霍爾傳感器 四、機器學習技術基礎 4.1基本原理 4.2常用機器學習算法 4.3常用機器學習工具包 4.4實踐三：壓強傳感器標定數(shù)據(jù)處理 4.5實踐四：二階裝置特性參數(shù)的辨識 五、時間序列數(shù)據(jù)的智能分析 5.1 壓力數(shù)據(jù)分析 5.2 振動/加速度數(shù)據(jù)分析 5.3 轉(zhuǎn)子數(shù)據(jù)分析 5.4 應力應變數(shù)據(jù)分析 5.5 溫度數(shù)據(jù)分析 5.6 實踐五：基于振動數(shù)據(jù)的轉(zhuǎn)軸磨損狀態(tài)分析 5.7 實踐六：基于壁面溫度反演發(fā)動機內(nèi)部熱環(huán)境 六、圖像類數(shù)據(jù)的智能分析 6.1 顆粒/液滴圖像處理 6.2 表觀檢測類圖像處理 6.3 火焰圖像處理 6.4 三維重構(gòu)技術 6.5 實踐七：固體推進劑掃描電鏡圖像處理 6.6 實踐八：零件表面缺陷智能檢測 七、智能測試技術的典型應用 7.1固體發(fā)動機無損檢測數(shù)據(jù)智能判讀 7.2液體發(fā)動機狀態(tài)監(jiān)測與故障診斷 7.3超燃沖壓發(fā)動機智能傳感系統(tǒng)