| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第15-26页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 课题及相关技术的研究现状 | 第16-23页 |
| 1.2.1 复杂装备远程智能健康评估系统的发展现状 | 第16-18页 |
| 1.2.2 复杂装备智能健康评估方法研究现状 | 第18-23页 |
| 1.3 本文的主要研究内容及章节安排 | 第23-26页 |
| 1.3.1 主要研究内容 | 第23-24页 |
| 1.3.2 论文结构及章节安排 | 第24-26页 |
| 第2章 电源车远程智能健康评估系统分析与总体设计 | 第26-35页 |
| 2.1 引言 | 第26页 |
| 2.2 电源车远程智能健康评估系统需求分析 | 第26-28页 |
| 2.2.1 电源车简介 | 第26-27页 |
| 2.2.2 电源车智能健康评估需求分析 | 第27-28页 |
| 2.2.3 电源车远程状态监测需求分析 | 第28页 |
| 2.3 本地-远程融合的电源车智能健康评估系统框架设计 | 第28-33页 |
| 2.3.1 本地-远程融合的电源车智能健康评估系统框架 | 第28-29页 |
| 2.3.2 基于DSP的电源车本地状态监测模块硬件设计 | 第29-31页 |
| 2.3.3 基于Spark的电源车智能健康评估平台设计 | 第31-32页 |
| 2.3.4 基于B/S模式的电源车健康评估可视化 | 第32-33页 |
| 2.4 电源车智能健康评估方法总体构思 | 第33-34页 |
| 2.4.1 电源车智能健康评估方法 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于LSTM-SPRT的电源车故障诊断方法研究 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 电源车故障诊断面临的问题及方法的提出 | 第35-36页 |
| 3.2.1 电源车故障诊断的问题分析 | 第35页 |
| 3.2.2 电源车故障诊断方法的提出 | 第35-36页 |
| 3.3 基于LSTM-SPRT的电源车故障诊断 | 第36-42页 |
| 3.3.1 电源车状态数据初始特征提取 | 第36-37页 |
| 3.3.2 基于LSTM网络的电源车多变量时间序列学习建模 | 第37-39页 |
| 3.3.3 基于LSTM网络的电源车多变量时间序列模型训练 | 第39-40页 |
| 3.3.4 基于SPRT的自适应多样本故障诊断 | 第40-42页 |
| 3.4 基于电源车虚拟仿真系统的故障诊断仿真研究 | 第42-46页 |
| 3.4.1 数据准备 | 第42-43页 |
| 3.4.2 LSTM网络的离线训练 | 第43-44页 |
| 3.4.3 LSTM-SPRT融合的实时故障诊断 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于多状态时间序列预测学习的电源车故障预测方法研究 | 第47-60页 |
| 4.1 引言 | 第47页 |
| 4.2 电源车故障预测方法 | 第47-49页 |
| 4.2.1 电源车故障预测面对的问题 | 第47-48页 |
| 4.2.2 电源车故障预测方法 | 第48-49页 |
| 4.3 基于多状态时间序列预测学习的电源车故障预测 | 第49-54页 |
| 4.3.1 基于LSTM的多状态时间序列预测模型 | 第49-51页 |
| 4.3.2 基于改进kNN算法的故障预判 | 第51-54页 |
| 4.4 仿真验证 | 第54-59页 |
| 4.4.1 仿真平台及数据说明 | 第54-56页 |
| 4.4.2 状态趋势预测模型的训练及网络性能分析 | 第56-57页 |
| 4.4.3 故障预判算法仿真及结果分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 基于深度学习模型重构的电源车系统级健康评估方法研究 | 第60-67页 |
| 5.1 引言 | 第60页 |
| 5.2 基于深度学习模型重构的电源车系统级健康评估方法 | 第60-64页 |
| 5.2.1 系统级健康评估方法的提出 | 第60-61页 |
| 5.2.2 基于LSTM网络的模型重构 | 第61-62页 |
| 5.2.3 系统级健康指数的构建及推导 | 第62-64页 |
| 5.3 仿真验证 | 第64-66页 |
| 5.3.1 仿真平台及数据说明 | 第64页 |
| 5.3.2 深度学习重构模型的训练 | 第64-65页 |
| 5.3.3 电源车系统级健康评估 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 电源车远程智能健康评估系统的实施 | 第67-79页 |
| 6.1 引言 | 第67页 |
| 6.2 电源车远程状态监测方案实施 | 第67-73页 |
| 6.2.1 电源车本地实时异常检测 | 第67-71页 |
| 6.2.2 电源车数据远程传输 | 第71-72页 |
| 6.2.3 电源车数据分布式存储 | 第72-73页 |
| 6.3 电源车健康评估算法组件方案实施 | 第73-74页 |
| 6.3.1 健康评估算法组件开发 | 第73-74页 |
| 6.4 电源车健康评估可视化方案实施 | 第74-76页 |
| 6.4.1 电源车数据可视化 | 第74-75页 |
| 6.4.2 电源车健康评估可视化 | 第75-76页 |
| 6.5 电源车远程智能健康评估系统运行与调试 | 第76-78页 |
| 6.5.1 系统功能测试 | 第76页 |
| 6.5.2 系统性能测试 | 第76-78页 |
| 6.6 本章小结 | 第78-79页 |
| 结论与展望 | 第79-82页 |
| 结论 | 第79-80页 |
| 展望 | 第80-82页 |
| 参考文献 | 第82-89页 |
| 致谢 | 第89-90页 |
| 附录A 攻读学位期间发表的学术论文 | 第90页 |
