| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-15页 |
| 1.3 研究目标及内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 设备突发大故障预测方法理论概述 | 第18-27页 |
| 2.1 经典时间序列分析法概述 | 第18-21页 |
| 2.1.1 ARMA模型相关概念 | 第18-20页 |
| 2.1.2 ARMA模型建立方法 | 第20-21页 |
| 2.2 自组织临界理论概述 | 第21-24页 |
| 2.2.1 沙堆模型简介 | 第22-24页 |
| 2.2.2 自组织临界系统判据 | 第24页 |
| 2.3 控制图原理概述 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 突发大故障预测方法及正常状态数据模型建立 | 第27-50页 |
| 3.1 设备突发大故障预测方法 | 第27-28页 |
| 3.2 设备正常状态监测数据ARMA模型建立方法 | 第28-30页 |
| 3.3 实际设备正常状态监测数据ARMA模型建立 | 第30-44页 |
| 3.3.1 研究对象的选取 | 第30-31页 |
| 3.3.2 监测数据时间序列分析 | 第31-33页 |
| 3.3.3 监测数据ARMA模型建立 | 第33-35页 |
| 3.3.4 监测数据ARMA模型检验及有效性分析 | 第35-40页 |
| 3.3.5 所建模型样本外拟合情况分析 | 第40-44页 |
| 3.4 残差值对于故障识别的可行性分析 | 第44-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 设备故障自组织临界特性分析及残差控制图建立 | 第50-71页 |
| 4.1 设备故障自组织临界特性研究方法 | 第50-51页 |
| 4.2 设备故障自组织临界特性验证 | 第51-58页 |
| 4.3 设备故障自组织临界态的辨识 | 第58-62页 |
| 4.3.1 标志设备故障自组织临界态的临界值算法 | 第58-59页 |
| 4.3.2 临界点计算方法实例验证 | 第59-62页 |
| 4.3.3 设备故障自组织临界特性分析 | 第62页 |
| 4.4 残差控制图控制限计算方法 | 第62-64页 |
| 4.5 预测残差控制图实例验证 | 第64-70页 |
| 4.5.1 残差控制限计算 | 第64-66页 |
| 4.5.2 残差控制图预测效果分析 | 第66-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 设备突发大故障预测方法实例验证 | 第71-82页 |
| 5.1 研究对象选取 | 第71页 |
| 5.2 正常状态数据ARMA模型建立 | 第71-76页 |
| 5.3 辨识自组织临界态的残差临界点计算 | 第76-78页 |
| 5.4 残差控制限计算及控制图的建立 | 第78-80页 |
| 5.5 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-87页 |