基于油液监测技术的设备润滑磨损状态评价方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题来源及背景 | 第10页 |
| ·课题研究的意义 | 第10-11页 |
| ·课题研究内容在油液监测领域的关键程度 | 第10-11页 |
| ·课题研究成果对相关技术的推动作用 | 第11页 |
| ·油液监测技术发展概况 | 第11-13页 |
| ·本课题研究的主要内容 | 第13-14页 |
| 第二章 油液监测技术及数据分析处理方法概况 | 第14-24页 |
| ·油液监测技术主要内容概况 | 第14-19页 |
| ·油液监测数据分析处理方法概况 | 第19-23页 |
| ·油液监测数据的特点 | 第19页 |
| ·油液监测设备润滑磨损状态识别方法 | 第19-21页 |
| ·油液监测设备润滑磨损状态趋势预测方法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 油液监测数据的统计分析方法研究 | 第24-36页 |
| ·概述 | 第24页 |
| ·数据分布检验 | 第24-26页 |
| ·传统界限值计算方法的改进 | 第26-31页 |
| ·基于计算原理的改进 | 第26-28页 |
| ·基于统计方法的改进 | 第28-31页 |
| ·油液监测数据的探索性技术应用 | 第31-34页 |
| ·茎叶图 | 第31-32页 |
| ·箱线图 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 油液和设备的状态评判方法研究 | 第36-50页 |
| ·概述 | 第36页 |
| ·基于模糊决策的状态评判 | 第36-40页 |
| ·模糊综合评判模型 | 第36-37页 |
| ·隶属度函数 | 第37-39页 |
| ·模糊综合状态评判实例 | 第39-40页 |
| ·基于支持向量分类机的状态评判 | 第40-44页 |
| ·基本概念 | 第40-41页 |
| ·SVM基本原理 | 第41-42页 |
| ·C-SVC的算法和步骤 | 第42-43页 |
| ·C-SVC状态评判实例 | 第43-44页 |
| ·基于磨粒图谱的状态评判 | 第44-49页 |
| ·基本原理 | 第44-45页 |
| ·磨粒识别 | 第45页 |
| ·状态评判与故障诊断 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 油液监测数据的预测方法研究 | 第50-60页 |
| ·趋势预测的意义 | 第50页 |
| ·油液监测数据的神经网络预测方法研究 | 第50-57页 |
| ·背景概述 | 第50-51页 |
| ·研究对象的选择 | 第51页 |
| ·人工神经网络的结构 | 第51-53页 |
| ·人工神经网络的预测实例分析 | 第53-57页 |
| ·油液监测数据的支持向量回归机预测方法研究 | 第57-59页 |
| ·v-SVR的算法和步骤 | 第57-58页 |
| ·应用实例分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 油液监测数据分析处理系统的设计与开发 | 第60-72页 |
| ·系统设计目标 | 第60页 |
| ·系统需求分析 | 第60-61页 |
| ·业务流程 | 第60页 |
| ·系统功能要求 | 第60-61页 |
| ·系统技术要求 | 第61页 |
| ·系统功能结构和信息结构 | 第61-64页 |
| ·系统功能结构 | 第61-63页 |
| ·系统信息结构 | 第63-64页 |
| ·系统运行环境 | 第64-65页 |
| ·关键技术问题的程序逻辑框图 | 第65-68页 |
| ·系统运行示例 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 总结 | 第72页 |
| 展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间发表论文 | 第77-78页 |
| 独创性声明 | 第78-79页 |
| 致谢 | 第79页 |
