| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景、目的和意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究目的与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 立磨的健康维护研究现状 | 第11页 |
| 1.2.2 状态评估与预测技术研究现状 | 第11-13页 |
| 1.2.3 设备的维护策略研究现状 | 第13-14页 |
| 1.3 研究内容及技术路线 | 第14-16页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.3.3 研究的技术路线 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 立磨的健康评价模型 | 第17-32页 |
| 2.1 立磨的功能结构分析 | 第17-18页 |
| 2.2 立磨的故障分析 | 第18-23页 |
| 2.2.1 立磨的故障类型 | 第18-19页 |
| 2.2.2 立磨关键部件的故障特征 | 第19-22页 |
| 2.2.3 立磨的故障发展过程 | 第22-23页 |
| 2.3 立磨健康状态评价模型的建立 | 第23-27页 |
| 2.3.1 状态监测参数 | 第23-24页 |
| 2.3.2 评价指标的选取原则 | 第24-25页 |
| 2.3.3 立磨健康状态评价模型 | 第25-27页 |
| 2.4 指标的预处理 | 第27-30页 |
| 2.5 立磨的健康状态描述 | 第30-31页 |
| 2.5.1 设备的健康度 | 第30页 |
| 2.5.2 立磨的健康等级划分 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于灰云模型和证据融合的立磨健康状态综合评价 | 第32-50页 |
| 3.1 立磨的各关键部件健康评价方法 | 第32-35页 |
| 3.1.1 灰色聚类模型 | 第32-33页 |
| 3.1.2 正态云模型 | 第33-35页 |
| 3.2 基于改进证据融合的综合评价方法 | 第35-36页 |
| 3.3 立磨各层次的权重确定方法 | 第36-40页 |
| 3.4 立磨健康状态的综合评价实例 | 第40-49页 |
| 3.4.1 立磨健康状态综合评价步骤 | 第41-42页 |
| 3.4.2 灰云白化权函数的构造 | 第42-44页 |
| 3.4.3 实例分析验证 | 第44-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 立磨健康状态的量化评估与预测研究 | 第50-66页 |
| 4.1 立磨健康状态量化评估 | 第50-56页 |
| 4.1.1 立磨的量化评估方法 | 第50-53页 |
| 4.1.2 量化评估实例 | 第53-55页 |
| 4.1.3 立磨健康状态变化趋势 | 第55-56页 |
| 4.2 立磨健康状态的预测模型 | 第56-60页 |
| 4.3 预测模型的参数确定 | 第60-63页 |
| 4.3.1 LS-SVM模型参数 | 第60-62页 |
| 4.3.2 波动项预测模型参数 | 第62-63页 |
| 4.4 立磨的健康预测实例 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 基于健康度的立磨维修决策研究 | 第66-79页 |
| 5.1 立磨的维修策略研究 | 第66-70页 |
| 5.1.1 立磨维修时机分析 | 第66-67页 |
| 5.1.2 立磨的维修策略 | 第67-70页 |
| 5.1.3 维修策略的优化目标 | 第70页 |
| 5.2 决策参数优化建模 | 第70-75页 |
| 5.2.1 立磨的故障率计算 | 第71-73页 |
| 5.2.2 维修时机确定 | 第73-74页 |
| 5.2.3 立磨的决策模型 | 第74-75页 |
| 5.3 仿真计算及结果分析 | 第75-78页 |
| 5.3.1 决策变量仿真计算 | 第75-77页 |
| 5.3.2 模型灵敏度分析 | 第77-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 附录 攻读硕士学位期间发表的论文 | 第86-87页 |
| 附录A1 磨机的指标数据 | 第87-89页 |
| 附录A2 磨机系统健康度数据 | 第89页 |