高铁动车组故障预测与健康管理关键技术的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文主要研究内容与组织结构 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 论文组织结构 | 第16-18页 |
| 2 状态维修相关故障预测技术综述 | 第18-31页 |
| 2.1 设备维修方式发展 | 第18-19页 |
| 2.2 故障预测技术 | 第19-30页 |
| 2.2.1 基于传统可靠性理论的预测技术 | 第21-22页 |
| 2.2.2 基于失效物理模型的预测技术 | 第22-24页 |
| 2.2.3 基于数据驱动的预测技术 | 第24-27页 |
| 2.2.4 基于知识库的预测技术 | 第27-28页 |
| 2.2.5 基于统计的预测技术 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 动车组牵引系统故障机理与建模 | 第31-41页 |
| 3.1 牵引系统介绍 | 第31-32页 |
| 3.2 牵引系统特性分析 | 第32-35页 |
| 3.3 故障演化趋势分析 | 第35-38页 |
| 3.4 基于退化状态的牵引系统的HSMM建模 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 4 隐半马尔科夫模型的参数优化设计 | 第41-53页 |
| 4.1 HMM与HSMM基本理论 | 第41-43页 |
| 4.2 粒子群算法及其改进 | 第43-46页 |
| 4.2.1 粒子群算法 | 第43-45页 |
| 4.2.2 改进的粒子群算法 | 第45-46页 |
| 4.3 基于FPSO改进的HSMM参数估计 | 第46-52页 |
| 4.3.1 相关工作 | 第46-47页 |
| 4.3.2 HSMM参数估计 | 第47-50页 |
| 4.3.3 HSMM参数估计优化设计 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 基于改进的HSMM退化状态识别及故障预测 | 第53-67页 |
| 5.1 数据预处理 | 第53-56页 |
| 5.1.1 数据去噪 | 第53-54页 |
| 5.1.2 数据的预处理 | 第54-56页 |
| 5.2 基于HSMM动车组牵引系统故障预测框架 | 第56-58页 |
| 5.3 基于HSMM动车组牵引系统的故障预测 | 第58-66页 |
| 5.3.1 HSMM粒子适应度值和剩余寿命估计 | 第58-59页 |
| 5.3.2 健康状态评估 | 第59-64页 |
| 5.3.3 牵引系统的故障预测 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 结论与展望 | 第67-69页 |
| 6.1 总结与结论 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
