| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 设备故障预测研究现状 | 第9-10页 |
| 1.2.2 设备维护策略研究现状 | 第10-11页 |
| 1.2.3 基于故障预测的设备维护策略研究现状 | 第11-12页 |
| 1.2.4 研究现状总结 | 第12页 |
| 1.3 研究目的及意义 | 第12-13页 |
| 1.3.1 研究目的 | 第12-13页 |
| 1.3.2 研究意义 | 第13页 |
| 1.4 研究内容及章节安排 | 第13-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 基于故障预测的设备预防性维护策略总体研究 | 第16-26页 |
| 2.1 设备故障预测的概念和方法 | 第16-20页 |
| 2.1.1 设备故障的特点及分类 | 第16-18页 |
| 2.1.2 设备故障预测的概念及范围界定 | 第18-19页 |
| 2.1.3 设备故障预测方法综述 | 第19-20页 |
| 2.2 基于故障预测的设备预防性维护策略的内容及关键问题分析 | 第20-23页 |
| 2.2.1 设备维护相关概念 | 第20-21页 |
| 2.2.2 预防性维护策略内容 | 第21-22页 |
| 2.2.3 基于故障预测的设备预防性维护策略研究的关键问题 | 第22-23页 |
| 2.3 基于故障预测的设备预防性维护策略研究框架 | 第23-25页 |
| 2.3.1 研究内容 | 第23-24页 |
| 2.3.2 研究思路 | 第24页 |
| 2.3.3 技术路线 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于灰色粗糙集与BP神经网络的设备故障预测方法 | 第26-40页 |
| 3.1 设备故障预测方法分析 | 第26-29页 |
| 3.1.1 常用故障预测方法对比 | 第26-27页 |
| 3.1.2 BP神经网络原理 | 第27-29页 |
| 3.2 BP神经网络优化 | 第29-34页 |
| 3.2.1 基于灰色关联分析的横向数据精简 | 第30-31页 |
| 3.2.2 基于粗糙集的纵向属性约简 | 第31-32页 |
| 3.2.3 优化后的BP神经网络 | 第32-34页 |
| 3.3 BP神经网络结构设计 | 第34-37页 |
| 3.4 基于灰色粗糙集与BP神经网络的设备故障预测流程 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 4 基于故障预测的设备预防性维护策略 | 第40-52页 |
| 4.1 策略描述与假设 | 第40-41页 |
| 4.2 故障率演化规则 | 第41-42页 |
| 4.3 维护手段选择 | 第42-43页 |
| 4.4 设备维护总成本 | 第43-49页 |
| 4.4.1 设备维修成本 | 第43-44页 |
| 4.4.2 故障风险成本 | 第44-48页 |
| 4.4.3 设备维护总成本 | 第48-49页 |
| 4.5 设备预防性维护策略确定 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 5 实例分析 | 第52-66页 |
| 5.1 A公司背景 | 第52页 |
| 5.2 A公司某车间数控车床设备故障率预测 | 第52-62页 |
| 5.2.1 基本数据及其约简 | 第52-57页 |
| 5.2.2 数控车床设备故障率预测 | 第57-60页 |
| 5.2.3 预测结果分析 | 第60-62页 |
| 5.3 A公司某车间数控车床设备预防性维护策略 | 第62-65页 |
| 5.4 应用效果分析 | 第65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 结论 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附录 | 第76页 |
| A. 攻读硕士学位期间发表及完成的论文 | 第76页 |
| B. 攻读硕士学位期间参与的项目 | 第76页 |
