| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 课题的来源 | 第9页 |
| 1.2 设备故障预测的重要意义 | 第9-10页 |
| 1.3 旋转机械故障预测的研究现状 | 第10-15页 |
| 1.3.1 基于数据的预测方法 | 第10-13页 |
| 1.3.2 基于模型的预测方法 | 第13-14页 |
| 1.3.3 基于知识的预测方法 | 第14-15页 |
| 1.4 同源信息融合技术的发展状况 | 第15-18页 |
| 1.4.1 全息谱( Holospectrum )分析方法 | 第15-16页 |
| 1.4.2 全频谱( Full Spectrum )分析方法 | 第16-17页 |
| 1.4.3 全矢谱( Full Vector Spectrum )分析方法 | 第17-18页 |
| 1.5 本课题的研究目的和意义 | 第18-19页 |
| 1.6 本课题的主要研究内容及结构安排 | 第19-21页 |
| 1.6.1 主要研究内容 | 第19页 |
| 1.6.2 结构安排 | 第19-21页 |
| 2 预测模型全矢数据融合 | 第21-32页 |
| 2.1 引言 | 第21页 |
| 2.2 全矢谱理论 | 第21-26页 |
| 2.3 全矢谱的数值计算 | 第26-28页 |
| 2.4 试验验证 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 全矢AR(FVAR)模型故障趋势预测 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 AR(n)模型的构建及试验分析 | 第32-43页 |
| 3.2.1 AR(n)模型结构 | 第33页 |
| 3.2.2 数据的预处理 | 第33-34页 |
| 3.2.3 阶数选择 | 第34-35页 |
| 3.2.4 参数估计 | 第35-38页 |
| 3.2.5 AR模型预测递推公式 | 第38-39页 |
| 3.2.6 分析评价指标 | 第39-40页 |
| 3.2.7 试验验证 | 第40-43页 |
| 3.3 全矢AR（FVAR）模型数值算法 | 第43-45页 |
| 3.4 实例验证 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 4 基于Kalman滤波的全矢AR模型故障趋势预测 | 第50-61页 |
| 4.1 引言 | 第50页 |
| 4.2 Kalman滤波方法及其应用 | 第50-55页 |
| 4.2.1 Kalman滤波原理 | 第50-51页 |
| 4.2.2 Kalman滤波数值算法 | 第51-52页 |
| 4.2.3 AR-Kalman预测模型 | 第52-53页 |
| 4.2.4 试验验证 | 第53-55页 |
| 4.3 全矢AR- Kalman预测（FARKF）模型数值算法 | 第55-56页 |
| 4.4 全矢AR- Kalman修正（FARKC）模型数值算法 | 第56-57页 |
| 4.5 实例分析 | 第57-59页 |
| 4.6 本章小结 | 第59-61页 |
| 5 结论与展望 | 第61-63页 |
| 5.1 结论 | 第61-62页 |
| 5.2 关键技术和创新点 | 第62页 |
| 5.3 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简历在校期间发表的学术论文及研究成果 | 第68-69页 |
