首页--工业技术论文--一般工业技术论文--工程基础科学论文--工程数学论文--概率论、数理统计的应用论文--可靠性理论论文

机电产品寿命预测方法研究

摘要第1-6页
ABSTRACT第6-10页
第一章 绪论第10-18页
   ·研究背景及意义第10-11页
   ·国内外研究现状第11-16页
   ·本文研究内容及组成第16-18页
第二章 数据驱动的预测方法第18-39页
   ·统计学方法-Weibull 分布第19-20页
   ·时间序列分析-ARMA 模型第20-22页
   ·贝叶斯模型预测方法第22-25页
   ·灰色理论预测方法第25-26页
   ·隐马尔可夫模型预测方法第26-30页
   ·支持向量机预测方法第30-33页
   ·人工神经网络预测方法第33-38页
   ·本章小结第38-39页
第三章 振动信号特征提取与试验研究第39-56页
   ·试验数据来源第39页
   ·时域特征提取方法第39-42页
   ·频域特征提取-小波包能量熵第42-53页
     ·小波包变换(Wavelet packet transform,WPT)第42-45页
     ·熵理论第45-46页
     ·小波包能量熵理论第46页
     ·小波包能量熵提取方法试验第46-53页
   ·指数加权滑动平均(EWMA)第53-55页
   ·本章小结第55-56页
第四章 基于 BP 神经网络预测方法研究与试验第56-95页
   ·BP 神经网络的参数选取及结构设计第56-60页
     ·BP 神经网络的结构设计第56-58页
     ·BP 神经网络的样本处理第58-59页
     ·BP 神经网络的参数选择第59-60页
   ·BP 神经网络学习算法第60-72页
     ·常规 BP 算法的不足第60-61页
     ·改进的 BP 网络算法第61-71页
       ·启发式改进方法第62-66页
       ·数值优化的改进方法第66-71页
     ·BP 算法的分析比较第71-72页
   ·基于小波包能量熵值的 BP 网络预测方法与试验第72-89页
     ·BP 神经网络数据样本构造第73页
     ·BP 神经网络的构建第73-76页
     ·BP 神经网络的预测与误差分析第76-89页
   ·基于 BP 网络预测方法的锂电池寿命预测第89-94页
   ·本章小结第94-95页
第五章 总结与展望第95-97页
   ·全文总结第95-96页
   ·展望第96-97页
致谢第97-98页
参考文献第98-102页
硕士期间取得的研究成果第102-103页

论文共103页,点击 下载论文
上一篇:基于改进灰色神经网络的污染物排放量预测建模及实现
下一篇:多缸变载情况下气缸综合测试平台的设计