摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-25页 |
1.1 研究背景及意义 | 第15-16页 |
1.1.1 研究背景 | 第15-16页 |
1.1.2 研究意义 | 第16页 |
1.2 国内外研究现状 | 第16-21页 |
1.2.1 PHM技术研究现状 | 第16-19页 |
1.2.2 性能退化与健康预测技术研究现状 | 第19-21页 |
1.3 论文主要研究内容 | 第21-25页 |
1.3.1 研究内容 | 第21-22页 |
1.3.2 文章结构 | 第22-25页 |
第2章 设备健康管理方法与技术研究 | 第25-33页 |
2.1 故障预测与健康管理技术体系及关键技术 | 第25-26页 |
2.1.1 故障预测与健康管理体系结构 | 第25页 |
2.1.2 故障预测与健康管理关键技术 | 第25-26页 |
2.2 设备健康管理的内涵与功能 | 第26-29页 |
2.2.1 设备健康管理的内涵 | 第26-28页 |
2.2.2 设备健康管理的主要功能 | 第28-29页 |
2.3 设备健康管理的关键技术 | 第29-31页 |
2.3.1 数据挖掘技术 | 第29页 |
2.3.2 信息融合技术 | 第29页 |
2.3.3 预测技术 | 第29-30页 |
2.3.4 调度优化技术 | 第30-31页 |
2.3.5 决策支持技术 | 第31页 |
2.4 本章小结 | 第31-33页 |
第3章 性能退化与健康预测模型研究 | 第33-49页 |
3.1 HMM基本理论 | 第33-37页 |
3.1.1 隐马尔科夫模型 | 第33-34页 |
3.1.2 HMM基本算法 | 第34-37页 |
3.2 设备故障模式识别 | 第37-42页 |
3.2.1 HMM故障模式识别原理 | 第37-39页 |
3.2.2 基于HMM的船舶动力设备故障模式识别 | 第39-42页 |
3.3 改进的GA-SVR模型 | 第42-47页 |
3.3.1 支持向量回归模型 | 第42-43页 |
3.3.2 遗传算法基本原理 | 第43-44页 |
3.3.3 GA-SVR模型 | 第44-47页 |
3.4 基于HMM-SVR的设备状态预测 | 第47-48页 |
3.4.1 HMM-SVR的设备状态预测模型 | 第47页 |
3.4.2 基于HMM-SVR的设备状态预测仿真 | 第47-48页 |
3.5 本章小结 | 第48-49页 |
第4章 综合内部耗损和外部环境因子的设备衰退演化规则 | 第49-73页 |
4.1 设备故障的发生发展规律 | 第50-54页 |
4.1.1 早期故障期 | 第51-52页 |
4.1.2 偶然故障期 | 第52-53页 |
4.1.3 耗损故障期 | 第53-54页 |
4.2 Weibull分布模型研究 | 第54-60页 |
4.2.1 可靠性分布相关特征量的计算 | 第55页 |
4.2.2 Weibull分布模型及特点 | 第55-60页 |
4.3 设备内部耗损影响的衰退演化规则 | 第60-62页 |
4.4 考虑外部环境因子影响的设备衰退演化规则 | 第62-71页 |
4.4.1 Weibull分布下环境因子的含义 | 第62-63页 |
4.4.2 Weibull分布下环境因子的极大似然估计 | 第63-67页 |
4.4.3 考虑环境因子影响的设备衰退演化规则模型 | 第67-69页 |
4.4.4 算例分析 | 第69-71页 |
4.5 本章小结 | 第71-73页 |
第5章 多目标最优预防维护策略研究 | 第73-85页 |
5.1 基本模型及假设 | 第73-76页 |
5.1.1 稳态可用度模型 | 第74-76页 |
5.1.2 平均成本率模型 | 第76页 |
5.2 多目标动态最优预防维护策略模型 | 第76-80页 |
5.2.1 多目标最优预防维护模型 | 第76-77页 |
5.2.2 线性加权和法求解多目标最优化模型 | 第77-79页 |
5.2.3 考虑环境因子的多目标最优预防维护策略研究 | 第79-80页 |
5.3 多目标最优预防维护策略实例研究 | 第80-84页 |
5.4 本章小结 | 第84-85页 |
总结与展望 | 第85-87页 |
本文总结 | 第85-86页 |
展望 | 第86-87页 |
参考文献 | 第87-91页 |
攻读硕士学位期间发表的学术论文及科研成果 | 第91-93页 |
致谢 | 第93页 |