| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题背景 | 第11-14页 |
| 1.1.1 课题来源 | 第11页 |
| 1.1.2 气压传动技术 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 疲劳失效问题研究现状 | 第14页 |
| 1.2.2 寿命预测技术的研究现状 | 第14-16页 |
| 1.3 课题研究目的和内容 | 第16-17页 |
| 1.3.1 课题研究目的 | 第16页 |
| 1.3.2 课题研究内容 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 疲劳失效理论分析 | 第18-29页 |
| 2.1 疲劳断裂现象及特征 | 第18-20页 |
| 2.1.1 疲劳断裂的现象 | 第18-19页 |
| 2.1.2 疲劳断裂的一般特征 | 第19页 |
| 2.1.3 疲劳的类型 | 第19-20页 |
| 2.2 疲劳断裂的规律 | 第20-21页 |
| 2.3 疲劳失效的分析 | 第21-24页 |
| 2.3.1 疲劳失效的类型分析 | 第21-23页 |
| 2.3.2 疲劳失效的原因分析 | 第23-24页 |
| 2.4 气缸疲劳失效 | 第24-28页 |
| 2.4.1 气缸的基本构造 | 第24-26页 |
| 2.4.2 气缸疲劳失效的特点 | 第26页 |
| 2.4.3 气缸疲劳失效分析过程 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 气缸疲劳试验数据采集 | 第29-44页 |
| 3.1 气缸疲劳破坏试验方案研究 | 第29-33页 |
| 3.1.1 寿命试验 | 第29-30页 |
| 3.1.2 恒定加载试验方案的选定 | 第30-32页 |
| 3.1.3 试验终止方式的选定 | 第32页 |
| 3.1.4 采集数据的确定 | 第32-33页 |
| 3.2 气缸疲劳破坏试验平台实现 | 第33-40页 |
| 3.2.1 气动系统 | 第33-36页 |
| 3.2.2 电气控制系统 | 第36-38页 |
| 3.2.3 机械系统 | 第38-39页 |
| 3.2.4 试验平台维护 | 第39-40页 |
| 3.3 气缸疲劳试验数据采集方法 | 第40-43页 |
| 3.3.1 气缸性能参数采集 | 第40-43页 |
| 3.3.2 气缸失效数据采集方法 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于核密度估计的气缸疲劳寿命预测 | 第44-56页 |
| 4.1 核密度估计 | 第44-48页 |
| 4.1.1 经验密度函数 | 第44页 |
| 4.1.2Parzen窗密度估计法 | 第44-45页 |
| 4.1.3 核密度估计的定义 | 第45-47页 |
| 4.1.4 核密度估计窗宽选取 | 第47-48页 |
| 4.2 威布尔分布 | 第48-51页 |
| 4.2.1Weibull分布的定义 | 第48-50页 |
| 4.2.2 三个参数(m, η, δ)的意义 | 第50-51页 |
| 4.3 基于核密度估计的气缸疲劳破坏预测方法 | 第51-55页 |
| 4.3.1 研究背景 | 第51-52页 |
| 4.3.2 核密度估计预测算法 | 第52-53页 |
| 4.3.3 本文方法验证 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于主成分分析与小波神经网络的气缸性能评估 | 第56-73页 |
| 5.1 主成分分析 | 第56-59页 |
| 5.2 遗传算法 | 第59-61页 |
| 5.2.1 遗传算法的原理 | 第59-60页 |
| 5.2.2 遗传算法的基本流程 | 第60-61页 |
| 5.2.3 遗传算法应用 | 第61页 |
| 5.3 小波神经网络 | 第61-67页 |
| 5.3.1 小波变换的基本概念 | 第62-63页 |
| 5.3.2BP神经网络简介 | 第63-66页 |
| 5.3.3 小波神经网络理论 | 第66-67页 |
| 5.4 基于遗传算法的小波神经网络 | 第67页 |
| 5.5 基于主成分分析与小波神经网络的气缸性能评估理论框架 | 第67-69页 |
| 5.6 本文方法的验证 | 第69-72页 |
| 5.7 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 课题总结 | 第73-74页 |
| 6.2 未来工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士期间取得的研究成果 | 第80-81页 |