| 摘要 | 第1页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·引言 | 第8页 |
| ·研究对象概况 | 第8-11页 |
| ·本厂概况 | 第8-9页 |
| ·送粉系统概况 | 第9-10页 |
| ·排粉机 | 第10页 |
| ·一次风管道和弯头 | 第10-11页 |
| ·预测方法 | 第11-14页 |
| ·基本概念 | 第11-13页 |
| ·预测方法分类 | 第13-14页 |
| ·国内外研究进展和全文安排 | 第14-17页 |
| ·国内外研究进展 | 第14-16页 |
| ·全文安排 | 第16-17页 |
| 第二章 经典时间序列模型 | 第17-25页 |
| ·引言 | 第17-18页 |
| ·时间序列起源 | 第17页 |
| ·时间序列的定义 | 第17-18页 |
| ·时间序列分析方法 | 第18-20页 |
| ·描述性时间序列分析 | 第18页 |
| ·统计时间序列分析 | 第18-20页 |
| ·建立ARMA 模型进行预测的各个过程 | 第20-24页 |
| ·零均值和平稳化前提 | 第21页 |
| ·ARMA 方法的建模过程 | 第21-22页 |
| ·模型的参数估计 | 第22-23页 |
| ·ARMA 模型的识别 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 人工神经网络 | 第25-30页 |
| ·引言 | 第25-26页 |
| ·人工神经网络基本定义 | 第25页 |
| ·人工神经网络模型 | 第25-26页 |
| ·人工神经网络的分类 | 第26页 |
| ·人工神经网络的运行过程 | 第26-28页 |
| ·学习过程 | 第27页 |
| ·学习规则 | 第27-28页 |
| ·网络的联想 | 第28页 |
| ·BP 神经网络及其学习算法 | 第28-29页 |
| ·BP 算法实现 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 寿命周期费用的基本理论 | 第30-34页 |
| ·引言 | 第30-32页 |
| ·设备寿命的类型 | 第30-31页 |
| ·设备寿命周期的故障率曲线 | 第31-32页 |
| ·新型LCC 理论的主要内容 | 第32-33页 |
| ·LCC 的定义 | 第32页 |
| ·LCC 理论的主要特点 | 第32-33页 |
| ·送粉系统的LCC 分析 | 第33页 |
| ·送粉系统引入LCC 的可行性 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第五章 应用ARMA 模型和神经网络模型预测送粉系统泄漏情况 | 第34-52页 |
| ·引言 | 第34-40页 |
| ·从检修记录中分离关键数据 | 第34-36页 |
| ·数据预处理 | 第36-40页 |
| ·建立模型的基本思路 | 第40-42页 |
| ·ARMA 模型的建立 | 第42-48页 |
| ·模型的初步判断 | 第42-43页 |
| ·ARMA 模型的参数估计和预测 | 第43-48页 |
| ·模型的检验 | 第48页 |
| ·神经网络预测 | 第48-51页 |
| ·建立BP 网络的基本情况 | 第48-49页 |
| ·BP 网络的具体算法 | 第49-51页 |
| ·模型检验 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第六章 送粉系统的经济寿命预测 | 第52-57页 |
| ·引言 | 第52-53页 |
| ·送粉系统经济寿命的定义 | 第52页 |
| ·设备经济寿命的一般算法 | 第52页 |
| ·送粉系统的特点 | 第52-53页 |
| ·送粉系统经济寿命模型的算法 | 第53-54页 |
| ·送粉系统各个具体成本项目计算 | 第53页 |
| ·维护成本和电量损失成本的具体计算 | 第53-54页 |
| ·LCC 模型的计算结果 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第七章 结论和展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 在学期间发表的学术论文和参加科研情况 | 第61页 |