| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 表格索引 | 第13-14页 |
| 插图索引 | 第14-16页 |
| 主要符号对照表 | 第16-17页 |
| 主要术语缩写对照表 | 第17-18页 |
| 第一章 绪论 | 第18-38页 |
| 1.1 课题研究的背景及意义 | 第18-20页 |
| 1.2 剩余寿命预测研究现状 | 第20-26页 |
| 1.2.1 剩余寿命预测的问题定义 | 第20-21页 |
| 1.2.2 剩余寿命预测的研究方向 | 第21页 |
| 1.2.3 剩余寿命预测算法的分类及应用场合 | 第21-23页 |
| 1.2.4 基于数据驱动的故障预测方法 | 第23-24页 |
| 1.2.5 基于降级曲线相似度原理的算法 | 第24-26页 |
| 1.3 剩余寿命预测研究的挑战 | 第26-34页 |
| 1.3.1 失效模式特征提取的复杂性 | 第27-32页 |
| 1.3.2 失效模式建模的复杂性 | 第32-34页 |
| 1.4 本文主要研究内容 | 第34-35页 |
| 1.5 论文的组织 | 第35-38页 |
| 第二章 自动相关决定投影非负矩阵分解方法 | 第38-64页 |
| 2.1 引言 | 第38页 |
| 2.2 基于投影非负矩阵分解的特征选取方法 | 第38-40页 |
| 2.2.1 线性投影非负矩阵分解的形式 | 第38-40页 |
| 2.3 PCA、LPP 与 PNMF 方法特征选择分析 | 第40-45页 |
| 2.3.1 仿真数据集 | 第40页 |
| 2.3.2 仿真数据集上的特征选择分析 | 第40-45页 |
| 2.4 自动相关决定线性投影非负矩阵分解方法 | 第45-48页 |
| 2.4.1 自动相关决定 PNMF 方法 | 第45-48页 |
| 2.5 ARDPNMF 算法的收敛性分析 | 第48-53页 |
| 2.5.1 对固定的 P 优化 W | 第50-52页 |
| 2.5.2 对固定的 W 优化 P | 第52-53页 |
| 2.6 采用 ARDPNMF 方法特征提取的特点分析 | 第53-62页 |
| 2.6.1 稀疏性比较 | 第54-55页 |
| 2.6.2 正交性分析 | 第55页 |
| 2.6.3 特征分离性分析 | 第55-56页 |
| 2.6.4 ARDPNMF 投影空间与失效模式的对应 | 第56-62页 |
| 2.7 本章小结 | 第62-64页 |
| 第三章 基于近邻保留的 ARDPNMF 数据预处理 | 第64-80页 |
| 3.1 引言 | 第64页 |
| 3.2 剩余寿命预测系统的数据预处理 | 第64-65页 |
| 3.2.1 系统工作条件分类 | 第64-65页 |
| 3.2.2 数据特征提取 | 第65页 |
| 3.3 分离度度量与流形假设 | 第65-69页 |
| 3.3.1 失效模式分离度的 S 度量 | 第67-69页 |
| 3.4 基于近邻保留的 ARDPNMF 方法 | 第69-71页 |
| 3.4.1 近邻保留嵌入 | 第69-70页 |
| 3.4.2 基于近邻保留 ARDPNMF 算法的特征提取算法 | 第70页 |
| 3.4.3 NPARDPNMF 的乘性迭代求解 | 第70-71页 |
| 3.4.4 有监督先验条件下的 NPARDPNMF 算法 | 第71页 |
| 3.5 重构误差分析 | 第71-74页 |
| 3.5.1 不同方法的重构误差 | 第73页 |
| 3.5.2 重构误差分析与正则项参数选择 | 第73-74页 |
| 3.6 基于近邻保留 ARDPNMF 的特征提取性能分析 | 第74-79页 |
| 3.6.1 特征空间分离度分析 | 第75页 |
| 3.6.2 特征空间的非线性分离度分析 | 第75-76页 |
| 3.6.3 投影空间的双标图分析 | 第76-79页 |
| 3.6.4 分离度与预测误差关系分析 | 第79页 |
| 3.7 本章小结 | 第79-80页 |
| 第四章 基于稀疏近似高斯过程回归的降级曲线建模 | 第80-94页 |
| 4.1 引言 | 第80页 |
| 4.2 建立系统性能指标模型 | 第80-81页 |
| 4.2.1 系统降级曲线模型的定义 | 第80-81页 |
| 4.2.2 系统降级曲线建模方法 | 第81页 |
| 4.3 指数函数拟合回归 | 第81-82页 |
| 4.4 高斯过程回归 | 第82-84页 |
| 4.4.1 高斯过程回归的模型选择 | 第83页 |
| 4.4.2 高斯过程回归的训练 | 第83-84页 |
| 4.4.3 高斯过程回归的预测 | 第84页 |
| 4.5 基于降级曲线相似度剩余寿命预测的快速建模 | 第84-85页 |
| 4.6 基于主动采样的高斯过程回归样本选取准则 | 第85-86页 |
| 4.6.1 基于信息熵的采样策略 | 第85-86页 |
| 4.6.2 基于方差的采样策略 | 第86页 |
| 4.6.3 基于方差微分熵的采样策略 | 第86页 |
| 4.7 基于表示性的采样策略 | 第86-88页 |
| 4.7.1 高斯过程的样本点影响因子 | 第87页 |
| 4.7.2 基于表示性的采样策略 | 第87-88页 |
| 4.8 基于表示性的高斯过程回归方法建模实验分析 | 第88-93页 |
| 4.8.1 高斯过程稀疏近似的误差比较 | 第88-92页 |
| 4.8.2 基于表示性的采样策略与系统失效模式的联系 | 第92-93页 |
| 4.9 本章小结 | 第93-94页 |
| 第五章 南极微电网系统降级曲线相似度剩余寿命预测 | 第94-110页 |
| 5.1 引言 | 第94-95页 |
| 5.2 南极中山站微电网监控系统 | 第95-98页 |
| 5.2.1 硬件通讯架构 | 第95页 |
| 5.2.2 Client-Server 软件架构 | 第95-98页 |
| 5.3 微电网系统的剩余寿命预测框架 | 第98-100页 |
| 5.3.1 微电网系统的健康管理框架 | 第99-100页 |
| 5.3.2 微电网系统的故障诊断 | 第100页 |
| 5.3.3 基于降级曲线相似度原理的剩余寿命预测框架 | 第100页 |
| 5.4 测试数据集剩余寿命预测 | 第100-104页 |
| 5.4.1 特征空间投影建立测试集性能指标 | 第101-102页 |
| 5.4.2 降级曲线相似度模式搜索 | 第102-103页 |
| 5.4.3 剩余寿命预测结果融合 | 第103-104页 |
| 5.5 预测误差结果分析 | 第104-107页 |
| 5.5.1 预测结果分析比较 | 第104-106页 |
| 5.5.2 剩余寿命预测性能度量 | 第106页 |
| 5.5.3 全局预测误差比较 | 第106-107页 |
| 5.6 本章小结 | 第107-110页 |
| 全文总结 | 第110-112页 |
| 参考文献 | 第112-122页 |
| 致谢 | 第122-124页 |
| 攻读学位期间发表的学术论文目录 | 第124-126页 |
| 攻读学位期间参与的项目 | 第126-127页 |
| 上海交通大学硕士学位论文答辩决议书 | 第127页 |
