论文目录 | |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状综述 | 第11-18页 |
| 1.2.1 旋转部件特征提取及退化状态跟踪方法综述 | 第11-14页 |
| 1.2.2 旋转部件故障预测方法综述 | 第14-18页 |
| 1.3 目前存在的主要问题 | 第18-19页 |
| 1.4 研究内容和论文组织结构 | 第19-22页 |
| 第二章 非线性时间序列相空间重构理论 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 Takens嵌入定理 | 第22-23页 |
| 2.3 延迟时间计算 | 第23-27页 |
| 2.4 嵌入维数计算 | 第27-30页 |
| 2.5 相空间重构实验验证 | 第30-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 改进递归定量分析方法及其在机械部件退化跟踪方面的应用研究 | 第34-60页 |
| 3.1 引言 | 第34页 |
| 3.2 基于递归定量分析法的机械故障识别方法 | 第34-42页 |
| 3.2.1 递归定量分析法 | 第34-36页 |
| 3.2.2 多参数机械故障识别方法研究及实验验证 | 第36-42页 |
| 3.3 基于改进递归定量分析的机械退化跟踪方法 | 第42-58页 |
| 3.3.1 基于标准差的阈值选取方法 | 第42-43页 |
| 3.3.2 退化跟踪健康阈值选取 | 第43-44页 |
| 3.3.3 基于改进闭值选取递归定量分析的机械退化跟踪算法 | 第44-45页 |
| 3.3.4 基于卡尔曼滤波的机械初始故障预测方法 | 第45-47页 |
| 3.3.5 实验验证 | 第47-58页 |
| 3.4 本章小结 | 第58-60页 |
| 第四章 增强型粒子滤波算法及其在机械部件故障预测方面的应用研究 | 第60-79页 |
| 4.1 引言 | 第60页 |
| 4.2 传统粒子滤波算法 | 第60-63页 |
| 4.3 基于增强型粒子滤波方法的机械部件故障预测方法 | 第63-78页 |
| 4.3.1 自适应重要性密度函数选择算法 | 第63-65页 |
| 4.3.2 基于神经网络的粒子平滑算法 | 第65-67页 |
| 4.3.3 增强型粒子滤波算法 | 第67-68页 |
| 4.3.4 基于增强型粒子滤波方法的机械部件剩余使用寿命预测算法 | 第68-70页 |
| 4.3.5 实验验证 | 第70-78页 |
| 4.4 本章小结 | 第78-79页 |
| 第五章 基于多时间尺度建模的机械部件故障预测研究 | 第79-101页 |
| 5.1 引言 | 第79页 |
| 5.2 基于改进相空间弯曲算法的机械部件退化跟踪方法 | 第79-86页 |
| 5.2.1 基于多时间尺度建模的故障跟踪原理 | 第79-82页 |
| 5.2.2 提升参考模型构建方法 | 第82-84页 |
| 5.2.3 跟踪指标构建及改进相空间弯曲算法 | 第84-86页 |
| 5.3 基于改进帕里斯模型的机械部件故障预测方法 | 第86-90页 |
| 5.3.1 传统帕里斯模型 | 第86-87页 |
| 5.3.2 改进帕里斯模型及寿命预测算法 | 第87-90页 |
| 5.4 实验验证 | 第90-100页 |
| 5.4.1 仿真实验 | 第90-92页 |
| 5.4.2 实际轴承剩余使用寿命预测实验 | 第92-100页 |
| 5.5 本章小结 | 第100-101页 |
| 第六章 结论与展望 | 第101-104页 |
| 6.1 论文工作总结 | 第101-102页 |
| 6.2 论文主要创新点 | 第102-103页 |
| 6.3 未来研究展望 | 第103-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-117页 |
| 作者在学期间发表论文清单及研究成果 | 第117-118页 |
