| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 论文的主要创新点与贡献 | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-27页 |
| ·论文的研究背景及意义 | 第11-12页 |
| ·故障诊断与预测技术的研究现状 | 第12-20页 |
| ·故障诊断的研究内容和方法概述 | 第12-16页 |
| ·故障预测的研究内容和方法概述 | 第16-20页 |
| ·故障诊断和预测技术目前存在的问题 | 第20-22页 |
| ·本文课题来源、研究内容及结构安排 | 第22-27页 |
| ·课题的来源 | 第22-23页 |
| ·研究内容及结构安排 | 第23-27页 |
| 第二章 统计聚类与粒子滤波技术概述 | 第27-43页 |
| ·引言 | 第27页 |
| ·统计聚类方法概述 | 第27-39页 |
| ·混合聚类 | 第27-31页 |
| ·分层聚类 | 第31-32页 |
| ·混合高斯隐马尔科夫模型（MOG-HMM）方法 | 第32-39页 |
| ·粒子滤波技术概述 | 第39-42页 |
| ·蒙特卡洛近似思想 | 第40-41页 |
| ·标准粒子滤波算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 混合聚类在故障特征选择和融合中的应用研究 | 第43-63页 |
| ·引言 | 第43-44页 |
| ·振动信号特征参数的定义与提取 | 第44-47页 |
| ·基于 AP 聚类的特征选择 | 第47-53页 |
| ·特征选择基本思想及实现的框架 | 第47-48页 |
| ·实验及应用研究 | 第48-53页 |
| ·基于 AP 聚类和 AASC 的特征线性融合 | 第53-60页 |
| ·基于 AP 聚类的初始特征选择 | 第53-54页 |
| ·基于 AASC 的特征权值计算 | 第54-55页 |
| ·实验及应用研究 | 第55-60页 |
| ·本章小结 | 第60-63页 |
| 第四章 分层聚类在多故障诊断中的应用研究 | 第63-77页 |
| ·引言 | 第63页 |
| ·多故障诊断及其难点 | 第63-64页 |
| ·聚类算法用于故障诊断概述 | 第64-66页 |
| ·基于分层聚类的多故障诊断方法研究 | 第66-68页 |
| ·实验及应用研究 | 第68-75页 |
| ·故障诊断评价指标 | 第68-69页 |
| ·多故障诊断实验及分析 | 第69-75页 |
| ·本章小结 | 第75-77页 |
| 第五章 改进无迹粒子滤波在寿命预测中的应用研究 | 第77-93页 |
| ·引言 | 第77页 |
| ·无迹粒子滤波算法 | 第77-80页 |
| ·基于 SVD 的改进无迹粒子滤波算法 | 第80-81页 |
| ·改进无迹粒子滤波在 Lithium-ion 电池寿命预测中的应用 | 第81-89页 |
| ·Lithium-ion 电池退化模型的建立 | 第81-83页 |
| ·退化模型参数更新 | 第83页 |
| ·寿命预测 | 第83-84页 |
| ·寿命预测结果及分析 | 第84-89页 |
| ·改进无迹粒子滤波在轴承寿命预测中的应用 | 第89-92页 |
| ·NASA 数据库数据 | 第89-90页 |
| ·时序预测结果和评价 | 第90-92页 |
| ·本章小结 | 第92-93页 |
| 第六章 相似性传播聚类和多状态 MOG-HMM 在突发故障诊断与预测中的应用研究 | 第93-113页 |
| ·引言 | 第93-95页 |
| ·航空发动机突发故障模拟实验台 | 第95-97页 |
| ·基于聚类算法的航空发动机突发故障诊断 | 第97-103页 |
| ·诊断原理 | 第97-98页 |
| ·实验及应用研究 | 第98-103页 |
| ·基于多状态混合高斯隐马尔科夫模型的突发故障预测 | 第103-111页 |
| ·突发故障预测模型 | 第103-107页 |
| ·实验及应用研究 | 第107-111页 |
| ·本章小结 | 第111-113页 |
| 第七章 结论与展望 | 第113-115页 |
| ·论文结论 | 第113-114页 |
| ·研究展望 | 第114-115页 |
| 参考文献 | 第115-127页 |
| 攻读博士学位期间发表的学术论文、科研成果及获奖情况 | 第127-129页 |
| 致谢 | 第129-131页 |
