致谢 | 第5-6页 |
中文摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第12-18页 |
1.1 研究背景 | 第12-13页 |
1.2 研究意义及目的 | 第13-14页 |
1.3 研究内容及技术路线 | 第14-18页 |
1.3.1 主要内容 | 第14-16页 |
1.3.2 技术路线 | 第16-18页 |
2 相关概念介绍及国内外研究现状 | 第18-28页 |
2.1 滚动轴承的基本构造及振动机理 | 第18-22页 |
2.1.1 滚动轴承的基本构造及运行工况 | 第18-19页 |
2.1.2 滚动轴承的振动机理 | 第19-20页 |
2.1.3 滚动轴承的状态监测及其信号处理方法 | 第20-22页 |
2.2 滚动轴承寿命预测方法的研究现状 | 第22-24页 |
2.3 轨道交通列车滚动轴承的维修模式及现状 | 第24-26页 |
2.4 本章小结 | 第26-28页 |
3 列车滚动轴承多维状态特征提取方法研究 | 第28-60页 |
3.1 列车滚动轴承状态特征提取方法及流程 | 第28-30页 |
3.2 振动信号处理方法 | 第30-36页 |
3.2.1 小波包分析 | 第30-32页 |
3.2.2 EMD经验模态分解 | 第32-34页 |
3.2.3 LMD局部均值分解 | 第34-36页 |
3.3 滚动轴承的特征指标 | 第36-40页 |
3.3.1 滚动轴承的故障频率 | 第36-37页 |
3.3.2 时域特征指标 | 第37-38页 |
3.3.3 频域特征指标 | 第38-39页 |
3.3.4 时频域特征指标 | 第39-40页 |
3.4 特征选取和主成分分析 | 第40-44页 |
3.4.1 特征选取分析 | 第40-41页 |
3.4.2 PCA主成分分析法 | 第41-44页 |
3.5 实例验证及结果分析 | 第44-58页 |
3.5.1 模拟实际工况的噪声分析 | 第44-47页 |
3.5.2 基于不同故障类型及不同故障程度的特征选取 | 第47-54页 |
3.5.3 滚动轴承全寿命退化状态的特征提取 | 第54-58页 |
3.6 本章总结 | 第58-60页 |
4 基于Weibull比例风险模型的滚动轴承剩余寿命预测方法 | 第60-88页 |
4.1 基于Weibull-PHM模型的滚动轴承剩余寿命预测方法和流程 | 第60-61页 |
4.2 列车滚动轴承的退化过程分析 | 第61-65页 |
4.3 威布尔分布比例风险模型 | 第65-74页 |
4.3.1 可靠性指标 | 第65-66页 |
4.3.2 威布尔分布 | 第66-70页 |
4.3.3 比例风险模型 | 第70-71页 |
4.3.4 参数估计 | 第71-74页 |
4.4 PSO粒子群算法参数估计优化 | 第74-78页 |
4.4.1 标准粒子群算法基础理论(SPSO) | 第74-76页 |
4.4.2 惯性权重因子调整粒子群算法(DPSO) | 第76-77页 |
4.4.3 改进的惯性权重因子调整粒子群算法(MDPSO) | 第77-78页 |
4.5 实例验证和结果分析 | 第78-86页 |
4.5.1 实验数据 | 第78-79页 |
4.5.2 PSO粒子群算法检验 | 第79-81页 |
4.5.3 模型建立及寿命预测结果 | 第81-86页 |
4.6 本章小结 | 第86-88页 |
5 基于状态的列车滚动轴承维修计划优化研究 | 第88-110页 |
5.1 基于状态的列车滚动轴承维修计划优化方法和流程 | 第88-89页 |
5.2 轨道交通列车维修模式分析 | 第89-91页 |
5.3 基于状态的维修计划优化模型 | 第91-101页 |
5.3.1 维修决策目标 | 第91-93页 |
5.3.2 多目标优化决策模型 | 第93-95页 |
5.3.3 在线监测维修计划优化模型 | 第95-98页 |
5.3.4 离线监测维修计划优化模型 | 第98-100页 |
5.3.5 多部件维修计划优化拓展分析 | 第100-101页 |
5.4 实例验证及结果分析 | 第101-109页 |
5.4.1 在线监测的轴承视情维修优化 | 第101-108页 |
5.4.2 离线监测的轴承视情维修优化 | 第108-109页 |
5.5 本章小结 | 第109-110页 |
6 结论 | 第110-114页 |
6.1 主要工作与结论 | 第110-111页 |
6.2 主要创新点 | 第111-112页 |
6.3 展望 | 第112-114页 |
参考文献 | 第114-118页 |
作者简历 | 第118-122页 |
学位论文数据集 | 第122页 |