| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 特征提取研究现状 | 第11-14页 |
| 1.2.2 粒子群算法研究现状 | 第14-15页 |
| 1.2.3 滚动轴承剩余寿命预测研究现状 | 第15-17页 |
| 1.3 本文研究的主要内容 | 第17-19页 |
| 2 滚动轴承振动信号非线性特征提取与融合 | 第19-31页 |
| 2.1 滚动轴承结构及振动特性 | 第19-21页 |
| 2.1.1 滚动轴承组成结构 | 第19-20页 |
| 2.1.2 滚动轴承振动非线性性 | 第20-21页 |
| 2.2 非线性统计特征 | 第21-29页 |
| 2.2.1 分形维数 | 第22-23页 |
| 2.2.2 熵值特征 | 第23-26页 |
| 2.2.3 递归分析 | 第26-28页 |
| 2.2.4 三角函数特征 | 第28-29页 |
| 2.3 非线性特征评价与融合方法 | 第29-31页 |
| 2.3.1 R评价指标 | 第29页 |
| 2.3.2 基于R的加权融合方法 | 第29-31页 |
| 3 基于SPSO-TWSVM的滚动轴承剩余寿命预测 | 第31-72页 |
| 3.1 双子支持向量机原理 | 第31-35页 |
| 3.1.1 线性双子支持向量机原理 | 第31-33页 |
| 3.1.2 非线性双子支持向量机原理 | 第33-35页 |
| 3.2 粒子群仿生优化算法 | 第35-43页 |
| 3.2.1 标准粒子群优化 | 第35-38页 |
| 3.2.2 简化粒子群优化 | 第38-39页 |
| 3.2.3 模拟退火粒子群优化 | 第39-41页 |
| 3.2.4 量子粒子群优化 | 第41-43页 |
| 3.3 基于粒子群优化的TWSVM性能研究 | 第43-50页 |
| 3.3.1 算法实现 | 第43页 |
| 3.3.2 算法流程 | 第43-44页 |
| 3.3.3 仿真实验及结果对比分析 | 第44-50页 |
| 3.4 基于SPSO-TWSVM的滚动轴承剩余寿命预测 | 第50-70页 |
| 3.4.1 算法原理 | 第52-56页 |
| 3.4.2 实验验证 | 第56-70页 |
| 3.5 本章小结 | 第70-72页 |
| 4 基于SPSO优化Bayesian更新指数退化模型的滚动轴承剩余寿命预测 | 第72-96页 |
| 4.1 Bayesian更新指数退化模型和期望最大化参数评估 | 第72-77页 |
| 4.1.1 Bayesian更新指数退化模型 | 第72-75页 |
| 4.1.2 期望最大化参数评估 | 第75-77页 |
| 4.2 基于SPSO优化Bayesian更新指数退化模型 | 第77-78页 |
| 4.3 基于SPSO优化Bayesian更新指数退化模型的滚动轴承寿命预测 | 第78-83页 |
| 4.4 实验验证 | 第83-93页 |
| 4.5 本章小结 | 第93-96页 |
| 5 总结与展望 | 第96-98页 |
| 致谢 | 第98-100页 |
| 参考文献 | 第100-106页 |
| 附录 | 第106页 |
| A.作者在攻读硕士期间发表的论文目录 | 第106页 |
