| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 选题背景和研究意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 剩余寿命预测国内外研究现状 | 第10-12页 |
| 1.2.2 维修方式决策国内外研究现状 | 第12-14页 |
| 1.3 文章结构和创新点 | 第14-17页 |
| 1.3.1 本文创新点 | 第14-15页 |
| 1.3.2 本文研究内容 | 第15页 |
| 1.3.3 本文技术路线 | 第15-17页 |
| 2 剩余寿命预测与维修决策的相关理论及方法 | 第17-27页 |
| 2.1 剩余寿命预测 | 第17-21页 |
| 2.1.1 机械装备剩余寿命预测的特征 | 第17-18页 |
| 2.1.2 性能衰退指标集的构造 | 第18-19页 |
| 2.1.3 预测方法的选取 | 第19-21页 |
| 2.1.4 构建预测模型的一般流程 | 第21页 |
| 2.2 维修策略决策理论 | 第21-27页 |
| 2.2.1 维修方式概述 | 第21-23页 |
| 2.2.2 视情维修策略的特征 | 第23-24页 |
| 2.2.3 基于寿命预测的维修决策原理及优势 | 第24-27页 |
| 3 基于改进增量GA-SVR的剩余寿命预测方法研究 | 第27-41页 |
| 3.1 模型输入融合指标集 | 第27-29页 |
| 3.1.1 性能衰退评估分析 | 第27-28页 |
| 3.1.2 输入融合指标集的构造 | 第28-29页 |
| 3.2 标准SVR算法概述 | 第29-33页 |
| 3.2.1 基本SVM算法概述 | 第29-31页 |
| 3.2.2 标准SVR算法的原理及存在的不足 | 第31-33页 |
| 3.3 基于改进增量GA-SVR算法的预测模型 | 第33-40页 |
| 3.3.1 增量SVR算法思想及原理 | 第33-35页 |
| 3.3.2 增量LHD采样算法 | 第35-38页 |
| 3.3.3 基于遗传算法的改进增量SVR | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于剩余寿命预测的关键部件维修策略决策研究 | 第41-49页 |
| 4.1 维修决策模型设置 | 第41-42页 |
| 4.1.1 模型条件假设 | 第41-42页 |
| 4.1.2 模型参数定义 | 第42页 |
| 4.2 维修优化决策模型关键参数分析 | 第42-45页 |
| 4.3 构建平均单位时间维修成本模型 | 第45-47页 |
| 4.3.1 预先维修成本模型 | 第45-46页 |
| 4.3.2 事后维修成本模型 | 第46-47页 |
| 4.4 面向零非计划停机的维修策略优化 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 实例分析 | 第49-57页 |
| 5.1 背景介绍 | 第49页 |
| 5.2 试验数据采集 | 第49-51页 |
| 5.2.1 啮合频率的计算 | 第49-50页 |
| 5.2.2 测量参数选择 | 第50页 |
| 5.2.3 测点选择 | 第50页 |
| 5.2.4 试验参数设置 | 第50-51页 |
| 5.3 剩余寿命预测验证分析 | 第51-53页 |
| 5.4 面向零非计划停机的维修策略决策验证 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 结论及展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |
| A.作者在攻读学位期间发表的论文及软件著作权目录 | 第65页 |
| B.作者在攻读学位期间取得的科研成果目录 | 第65页 |