| 摘要 | 第11-13页 |
| Abstract | 第13-14页 |
| 缩写词和符号说明 | 第15-16页 |
| 第一章 绪论 | 第16-33页 |
| 1.1 研究背景及需求分析 | 第16-21页 |
| 1.1.1 飞行器健康管理的研究价值与意义 | 第16-18页 |
| 1.1.2 飞行器健康管理中故障预测的需求分析 | 第18-19页 |
| 1.1.3 故障预测的内涵 | 第19-21页 |
| 1.2 故障预测方法的研究和应用现状综述 | 第21-28页 |
| 1.2.1 基于物理模型的故障预测方法 | 第21-23页 |
| 1.2.2 数据驱动的故障预测方法 | 第23-26页 |
| 1.2.3 混合预测方法 | 第26-27页 |
| 1.2.4 国内研究现状 | 第27-28页 |
| 1.3 课题来源与主要研究工作 | 第28-33页 |
| 1.3.1 问题提出与课题来源 | 第28-29页 |
| 1.3.2 研究对象选择 | 第29-31页 |
| 1.3.3 主要研究内容及章节安排 | 第31-33页 |
| 第二章 基于相空间曲变理论的损伤跟踪方法 | 第33-61页 |
| 2.1 引言 | 第33-34页 |
| 2.2 相空间重构理论 | 第34-39页 |
| 2.2.1 重构系统相空间的基本原理 | 第34-35页 |
| 2.2.2 时间延迟的确定方法 | 第35-36页 |
| 2.2.3 嵌入维数的确定方法 | 第36-39页 |
| 2.3 相空间曲变现象及其量化方法 | 第39-45页 |
| 2.3.1 相空间曲变现象的产生与分析 | 第39-42页 |
| 2.3.2 基于相空间曲变的慢变损伤跟踪矩阵构建方法 | 第42-45页 |
| 2.4 跟踪矩阵的模态分解方法 | 第45-49页 |
| 2.4.1 本征正交分解 | 第45-47页 |
| 2.4.2 平滑正交分解 | 第47-48页 |
| 2.4.3 平滑正交分解的扩展形式 | 第48-49页 |
| 2.5 基于相空间曲变的损伤跟踪方法的实验验证 | 第49-59页 |
| 2.5.1 仿真信号验证 | 第49-55页 |
| 2.5.2 实测信号验证 | 第55-59页 |
| 2.6 本章小结 | 第59-61页 |
| 第三章 基于相关向量回归的退化状态识别与估计方法 | 第61-88页 |
| 3.1 引言 | 第61-62页 |
| 3.2 复杂工况下的退化状态识别策略 | 第62-63页 |
| 3.3 相关向量机方法的基本原理 | 第63-67页 |
| 3.3.1 相关向量机理论的提出 | 第63-64页 |
| 3.3.2 基于相关向量机的回归拟合方法 | 第64-67页 |
| 3.4 变工况下基于退化特征跟踪的传动系统部件健康状态监测方法 | 第67-74页 |
| 3.4.1 自适应高斯阈值检测模型 | 第67-68页 |
| 3.4.2 基于相关向量机的自适应检测模型构建 | 第68-72页 |
| 3.4.3 实验验证 | 第72-74页 |
| 3.5 多工况因素影响下的锂离子电池荷电状态估计方法 | 第74-86页 |
| 3.5.1 建立Thevenin等效模型 | 第75-76页 |
| 3.5.2 等效模型辨识 | 第76-81页 |
| 3.5.3 基于相关向量机的SOC估计模型 | 第81-82页 |
| 3.5.4 实验数据验证与分析 | 第82-86页 |
| 3.6 本章小结 | 第86-88页 |
| 第四章 基于相关向量机的剩余使用寿命预测方法 | 第88-110页 |
| 4.1 引言 | 第88页 |
| 4.2 剩余使用寿命预测的内涵 | 第88-92页 |
| 4.2.1 剩余使用寿命预测的基本概念 | 第88-91页 |
| 4.2.2 剩余使用寿命预测的关键点选择 | 第91-92页 |
| 4.3 基于相关向量回归的故障预测方法 | 第92-93页 |
| 4.3.1 相关向量回归预测模型 | 第92-93页 |
| 4.3.2 相关向量回归预测模型的局限性 | 第93页 |
| 4.4 结合相关向量机与退化模型的故障预测框架 | 第93-96页 |
| 4.4.1 特征提取与稀疏数据集的构建 | 第94-95页 |
| 4.4.2 确定退化模型 | 第95页 |
| 4.4.3 剩余使用寿命预测 | 第95-96页 |
| 4.5 基于相关向量机预测方法的实验验证 | 第96-109页 |
| 4.5.1 故障轴承剩余使用寿命预测案例的验证 | 第96-102页 |
| 4.5.2 锂离子电池循环寿命预测案例的验证 | 第102-109页 |
| 4.6 本章小结 | 第109-110页 |
| 第五章 基于退化速率跟踪粒子滤波的剩余寿命预测方法 | 第110-140页 |
| 5.1 引言 | 第110页 |
| 5.2 粒子滤波方法的基本理论 | 第110-115页 |
| 5.2.1 最优贝叶斯滤波 | 第111-112页 |
| 5.2.2 序贯重要性采样 | 第112-113页 |
| 5.2.3 重采样算法 | 第113-114页 |
| 5.2.4 基本粒子滤波算法 | 第114-115页 |
| 5.3 基于粒子滤波的预测方法实现 | 第115-124页 |
| 5.3.1 粒子滤波预测的基本流程 | 第115-116页 |
| 5.3.2 模型参数的先验分布估计 | 第116-120页 |
| 5.3.3 基本粒子滤波预测方法的实验验证 | 第120-124页 |
| 5.4 基于退化速率跟踪粒子滤波的预测方法 | 第124-128页 |
| 5.4.1 基本粒子滤波预测方法的不足 | 第124-125页 |
| 5.4.2 基于退化速率跟踪的粒子滤波预测框架 | 第125-128页 |
| 5.5 DRT-PF预测方法的实验验证 | 第128-139页 |
| 5.5.1 故障轴承剩余使用寿命预测案例的验证 | 第128-135页 |
| 5.5.2 锂离子电池循环寿命预测案例的验证 | 第135-139页 |
| 5.6 本章小结 | 第139-140页 |
| 第六章 结论与展望 | 第140-145页 |
| 6.1 全文总结 | 第140-143页 |
| 6.1.1 主要研究工作 | 第140-141页 |
| 6.1.2 主要结论 | 第141-142页 |
| 6.1.3 主要创新点 | 第142-143页 |
| 6.2 研究工作展望 | 第143-145页 |
| 致谢 | 第145-146页 |
| 参考文献 | 第146-163页 |
| 作者在学期间取得的学术成果 | 第163-166页 |
| 附录A 锂离子电池充、放电试验测量参数 | 第166-167页 |
