首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于机器学习的产品剩余寿命预测方法研究

摘要第4-6页
abstract第6-7页
缩略语第17-19页
第1章 绪论第19-41页
    1.1 选题背景及研究意义第19-21页
    1.2 问题的提出第21-22页
    1.3 基于机器学习的RUL预测研究现状第22-38页
        1.3.1 健康数据预处理方法第22-23页
        1.3.2 综合健康指标生成方法第23-25页
        1.3.3 机器学习与健康诊断第25-27页
        1.3.4 机器学习与RUL预测第27-35页
        1.3.5 机器学习在PHM应用面临的问题及发展趋势第35-37页
        1.3.6 研究现状总结第37-38页
    1.4 本文的研究内容和组织结构第38-41页
第2章 多维监测数据合成健康指标方法研究第41-63页
    2.1 概述第41页
    2.2 健康指标合成方法流程第41-42页
    2.3 基于HC的健康状态分类方法第42-47页
        2.3.1 健康数据预处理第42-45页
        2.3.2 分层聚类方法第45-46页
        2.3.3 健康状态分类第46-47页
    2.4 基于相似性分析的健康指标合成及健康诊断方法第47-49页
        2.4.1 健康指标生成第47-48页
        2.4.2 健康状态诊断第48-49页
    2.5 实例研究第49-62页
        2.5.1 涡轮风扇发动机RtF仿真数据介绍及验证目标第49-51页
        2.5.2 FD001数据集分析第51-53页
        2.5.3 FD004数据集分析第53-62页
    2.6 本章小结第62-63页
第3章 基于多退化模型融合的RUL预测方法研究第63-81页
    3.1 概述第63页
    3.2 多模型融合方法及相关算法研究第63-72页
        3.2.1 方法原理及具体流程第63-66页
        3.2.2 基于RVM回归算法的健康退化建模方法第66-70页
        3.2.3 RUL不确定性估计第70-72页
    3.3 实例研究第72-80页
        3.3.1 发动机RUL预测实验设计第72页
        3.3.2 RUL预测实验过程第72-77页
        3.3.3 预测结果与分析第77-78页
        3.3.4 RUL预测不确定性分析第78-80页
    3.4 本章小结第80-81页
第4章 基于RVR-NDM模型外推的RUL预测方法研究第81-101页
    4.1 概述第81-82页
    4.2 基于RVR-NDM的RUL预测方法第82-85页
        4.2.1 基本RVR模型外推预测存在的问题第82-83页
        4.2.2 RVR-NDM算法及模型参数优化第83-85页
    4.3 实例1研究第85-94页
        4.3.1 数据介绍和验证内容第85页
        4.3.2 RVR-NDM建模及参数优化第85-90页
        4.3.3 不同类型回归模型的对比研究第90-92页
        4.3.4 RUL区间估计第92-94页
    4.4 实例2研究第94-100页
        4.4.1 燃料电池退化及耐久性试验介绍第94-95页
        4.4.2 预测实验设计第95页
        4.4.3 不同时刻性能及RUL预测第95-100页
    4.5 本章小结第100-101页
第5章 有效载荷产品试验验证第101-135页
    5.1 概述第101页
    5.2 斯特林制冷机性能及RUL预测第101-124页
        5.2.1 斯特林制冷机组成、主要失效模式、机理及寿命评价第101-102页
        5.2.2 某型斯特林制冷机在轨运行情况介绍第102-106页
        5.2.3 制冷机长期性能预测与RUL预测第106-118页
        5.2.4 制冷机短期性能预测第118-124页
    5.3 机柜热控抽屉健康状态分类与健康指标合成第124-130页
        5.3.1 机柜热控抽屉介绍第124页
        5.3.2 热控抽屉故障模式及检测方式第124-125页
        5.3.3 应用目标和实验设计第125-126页
        5.3.4 数据分析及结论第126-130页
    5.4 方法在空间站空间应用系统运维中的应用第130-134页
        5.4.1 方法应用的整体方案第130-131页
        5.4.2 复杂分系统级有效载荷产品健康监测第131-133页
        5.4.3 有退化特征单机产品或部组件RUL预测第133-134页
    5.5 本章小结第134-135页
第6章 总结第135-139页
    6.1 研究成果及创新点第135-136页
    6.2 下一步研究工作第136-139页
参考文献第139-149页
致谢第149-151页
攻读博士学位期间发表的论文及其他成果第151-153页
个人简历第153页

论文共153页,点击 下载论文
上一篇:A建筑公司劳务派遣用工管理问题及对策研究
下一篇:智能生态油炸机的研究