| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 论文研究的背景 | 第10页 |
| 1.2 性能退化数据研究现状 | 第10-12页 |
| 1.3 论文工作路线 | 第12-14页 |
| 第2章 齿轮箱油样数据探索性分析 | 第14-20页 |
| 2.1 油样数据整理 | 第14-16页 |
| 2.1.1 油样数据的清理 | 第14-15页 |
| 2.1.2 选取分析项 | 第15-16页 |
| 2.2 油样变化定性描述 | 第16-19页 |
| 2.2.1 定性图形描述 | 第16-18页 |
| 2.2.2 相关性判定 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 基于WIENER过程的齿轮箱油样数据分析 | 第20-45页 |
| 3.1 退化模型建模 | 第20-22页 |
| 3.1.1 Wiener过程介绍 | 第20页 |
| 3.1.2 漂移Wiener过程建模 | 第20页 |
| 3.1.3 不考虑参数的随机性模型 | 第20-21页 |
| 3.1.4 考虑参数的随机性模型 | 第21-22页 |
| 3.2 模型参数推断 | 第22-25页 |
| 3.2.1 不考虑参数的随机性模型 | 第22-23页 |
| 3.2.2 考虑参数的随机性模型 | 第23-25页 |
| 3.3 不考虑参数的随机效应时的可靠性分析 | 第25-34页 |
| 3.3.1 模型参数计算 | 第25-26页 |
| 3.3.2 可靠性评估 | 第26-34页 |
| 3.4 考虑参数的随机效应时的可靠性分析 | 第34-43页 |
| 3.4.1 模型参数计算 | 第34-35页 |
| 3.4.2 PSO算法解模型参数 | 第35-36页 |
| 3.4.3 可靠性评估 | 第36-43页 |
| 3.5 对齿轮箱换油的建议 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于GAMMA过程的齿轮箱油样数据分析 | 第45-58页 |
| 4.1 GAMMA退化模型建模 | 第45-46页 |
| 4.1.1 Gamma过程和Gamma分布的特性 | 第45页 |
| 4.1.2 Gamma过程的首达时间分布 | 第45-46页 |
| 4.2 GAMMA过程参数推断 | 第46-48页 |
| 4.3 可靠性分析 | 第48-56页 |
| 4.3.1 模型参数计算 | 第48页 |
| 4.3.2 可靠性评估 | 第48-56页 |
| 4.4 对比WIENER过程结论于换油建议 | 第56-57页 |
| 4.5 本章总结 | 第57-58页 |
| 第5章 基于机器学习算法的油样数据分析 | 第58-70页 |
| 5.1 交叉验证(CROSS VALIDATION) | 第58-59页 |
| 5.2 SVR回归预测 | 第59-61页 |
| 5.2.1 SVR介绍 | 第59页 |
| 5.2.2 SVR模型训练 | 第59-61页 |
| 5.3 人工神经网络回归预测 | 第61-64页 |
| 5.3.1 人工神经网络介绍 | 第61-62页 |
| 5.3.2 人工神经网络模型训练 | 第62-64页 |
| 5.4 随机森林回归预测 | 第64-67页 |
| 5.4.1 随机森林介绍 | 第64-65页 |
| 5.4.2 随机森林模型训练 | 第65-67页 |
| 5.5 三种算法结果对比 | 第67-68页 |
| 5.6 判断齿轮箱润滑油状态 | 第68页 |
| 5.7 本章小结 | 第68-70页 |
| 结论与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |