基于退化数据的寿命预测中估计问题研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容和组织结构 | 第12-14页 |
| 1.3.1 存在的问题及解决思路 | 第12页 |
| 1.3.2 文章框架和结构安排 | 第12-14页 |
| 2 估计理论概述 | 第14-28页 |
| 2.1 估计相关的基本概念 | 第14页 |
| 2.2 估计的特性 | 第14-16页 |
| 2.3 估计准则 | 第16页 |
| 2.4 几种典型估计方法 | 第16-20页 |
| 2.5 估计方法分类与比较 | 第20-26页 |
| 2.5.1 基于最小二乘的估计方法 | 第20-23页 |
| 2.5.2 基于极大似然的估计方法 | 第23-24页 |
| 2.5.3 基于贝叶斯的估计方法 | 第24-26页 |
| 2.6 估计的检验 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 3 基于最大期望—卡尔曼滤波的线性维纳过程估计 | 第28-47页 |
| 3.1 维纳过程概念及性质 | 第28-29页 |
| 3.2 基于极大似然和卡尔曼滤波的维纳过程估计 | 第29-33页 |
| 3.2.1 卡尔曼滤波和状态空间模型 | 第29-30页 |
| 3.2.2 基于卡尔曼滤波的状态估计 | 第30-32页 |
| 3.2.3 基于极大似然法的参数估计 | 第32-33页 |
| 3.3 基于最大期望—卡尔曼滤波的维纳过程估计 | 第33-38页 |
| 3.3.1 最大期望法及其与极大似然的关系 | 第33-36页 |
| 3.3.2 基于EM-KF的参数状态联合估计 | 第36-38页 |
| 3.4 数值仿真 | 第38-41页 |
| 3.5 应用实例 | 第41-46页 |
| 3.5.1 实验数据来源介绍 | 第41-42页 |
| 3.5.2 状态估计和参数估计 | 第42-43页 |
| 3.5.3 剩余寿命预测 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 基于粒子滤波的非线性维纳过程估计 | 第47-72页 |
| 4.1 基于贝叶斯的粒子滤波算法 | 第47-52页 |
| 4.1.1 贝叶斯估计理论 | 第47-48页 |
| 4.1.2 蒙特卡洛积分及重要性采样 | 第48页 |
| 4.1.3 序贯重要性采样及重采样 | 第48-51页 |
| 4.1.4 基本粒子滤波算法 | 第51-52页 |
| 4.2 基于粒子滤波的维纳过程估计 | 第52-58页 |
| 4.2.1 先验分布分析 | 第52-53页 |
| 4.2.2 共轭先验分布 | 第53-54页 |
| 4.2.3 基于粒子滤波的后验分析 | 第54-57页 |
| 4.2.4 对粒子滤波作用的分析 | 第57-58页 |
| 4.3 数值仿真 | 第58-61页 |
| 4.4 应用实例 | 第61-71页 |
| 4.4.1 实验数据来源介绍 | 第61页 |
| 4.4.2 基于自助法的先验分布参数估计 | 第61-63页 |
| 4.4.3 基于共轭分布的后验分布参数估计 | 第63-67页 |
| 4.4.4 基于粒子滤波的状态估计及寿命预测 | 第67-71页 |
| 4.5 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表学术论文情况 | 第79-80页 |
| 致谢 | 第80-81页 |
