基于案例域的列车关键设备服役状态辨识与预测方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 引言 | 第13-28页 |
| ·研究背景 | 第13-15页 |
| ·研究目的及意义 | 第15-16页 |
| ·国内外研究现状 | 第16-25页 |
| ·列车运行安全关键装备的状态辨识与预测 | 第16-22页 |
| ·安全域估计理论和方法 | 第22-25页 |
| ·论文结构和主要内容 | 第25-28页 |
| ·主要内容 | 第25-26页 |
| ·技术路线 | 第26-28页 |
| 2 基于安全域估计的状态辨识基本理论和方法 | 第28-54页 |
| ·基本理论 | 第28-31页 |
| ·方法框架和技术实现 | 第31-39页 |
| ·通用实施步骤 | 第31-34页 |
| ·关键技术问题 | 第34-39页 |
| ·支持向量机 | 第39-53页 |
| ·支持向量机的理论基础和分类原理 | 第40-49页 |
| ·最小二乘支持向量机 | 第49-50页 |
| ·多分类支持向量机 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 3 面向实时状态特征的安全域状态辨识方法 | 第54-88页 |
| ·面向实时状态特征的安全域状态辨识方法流程 | 第54-56页 |
| ·信号分解 | 第56-61页 |
| ·局部均值分解 | 第56-61页 |
| ·实时状态特征提取 | 第61-64页 |
| ·直接的时域特征指标 | 第62-63页 |
| ·基于能量和熵的特征指标 | 第63-64页 |
| ·实例验证及结果分析 | 第64-87页 |
| ·列车滚动轴承 | 第65-66页 |
| ·数据获取 | 第66-69页 |
| ·实验分组和参数确定 | 第69-71页 |
| ·评价指标 | 第71-72页 |
| ·结果分析 | 第72-87页 |
| ·本章小结 | 第87-88页 |
| 4 面向统计状态特征的安全域状态辨识方法 | 第88-121页 |
| ·面向统计状态特征的安全域状态辨识方法流程 | 第88-90页 |
| ·基于主成分分析的统计状态特征提取 | 第90-101页 |
| ·主成分分析 | 第90-97页 |
| ·统计状态特征提取 | 第97-101页 |
| ·实验及结果分析 | 第101-116页 |
| ·实验准备 | 第101-102页 |
| ·结果分析 | 第102-116页 |
| ·现场应用系统设计 | 第116-119页 |
| ·硬件系统设计 | 第116-118页 |
| ·软件系统设计 | 第118-119页 |
| ·本章小结 | 第119-121页 |
| 5 基于状态监测的剩余寿命预测方法 | 第121-140页 |
| ·基于状态监测的寿命预测方法 | 第121-124页 |
| ·基于状态特征的直接映射方法 | 第122-123页 |
| ·基于统计回归的方法 | 第123页 |
| ·基于相似性的方法 | 第123-124页 |
| ·比例风险模型 | 第124-128页 |
| ·基本形式 | 第125页 |
| ·样本数据 | 第125-126页 |
| ·参数估计 | 第126-127页 |
| ·寿命预测 | 第127-128页 |
| ·实例验证及结果分析 | 第128-138页 |
| ·基于直接映射方法的剩余寿命预测 | 第130-135页 |
| ·基于PHM的剩余寿命预测 | 第135-138页 |
| ·本章小结 | 第138-140页 |
| 6 总结与展望 | 第140-144页 |
| ·主要工作与结论 | 第140-142页 |
| ·主要创新点 | 第142页 |
| ·展望 | 第142-144页 |
| 参考文献 | 第144-161页 |
| 作者简历 | 第161-164页 |
| 学位论文数据集 | 第164页 |
