机械设备状态评估及寿命预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-11页 |
| ·机械设备的故障规律 | 第11-12页 |
| ·国内外发展现状 | 第12-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 2 机械设备状态评估 | 第16-20页 |
| ·机械设备状态评估概述 | 第16-17页 |
| ·机械设备状态评估指标体系的建立 | 第17页 |
| ·机械设备状态评估指标标准化 | 第17-18页 |
| ·常用的状态评估方法 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 基于遗传聚类的机械设备状态评估 | 第20-30页 |
| ·遗传算法简介 | 第20-22页 |
| ·遗传算法概述 | 第20页 |
| ·遗传算法的国内外研究现状 | 第20-21页 |
| ·遗传算法的主要操作 | 第21-22页 |
| ·基于遗传算法的机械设备状态评估 | 第22-24页 |
| ·基于遗传聚类算法的设备状态综合评估模型 | 第22页 |
| ·遗传聚类状态评估的基本步骤 | 第22-24页 |
| ·仿真验证 | 第24-29页 |
| ·UCI仿真数据验证 | 第24-28页 |
| ·轮齿试验验证 | 第28-29页 |
| ·小结 | 第29-30页 |
| 4 基于否定选择算法的机械设备状态评估 | 第30-44页 |
| ·否定选择算法 | 第30-32页 |
| ·否定选择算法概述 | 第30页 |
| ·国内外研究现状 | 第30-31页 |
| ·否定选择算法的步骤 | 第31-32页 |
| ·基于否定选择算法的机械设备状态评估 | 第32-36页 |
| ·基于否定选择算法的设备状态评估模型 | 第32-34页 |
| ·仿真验证 | 第34-36页 |
| ·改进的设备状态综合评估的否定选择算法 | 第36-41页 |
| ·基于遗传聚类和否定选择评估方法的对比 | 第41-43页 |
| ·两种评估方法的比较 | 第41-42页 |
| ·状态评估方法的正确率和运算效率的比较 | 第42-43页 |
| ·小结 | 第43-44页 |
| 5 机械设备的寿命预测研究 | 第44-61页 |
| ·机械设备寿命预测常用的方法 | 第44-45页 |
| ·人工神经网络 | 第45-46页 |
| ·神经网络的特点 | 第45-46页 |
| ·神经网络的分类 | 第46页 |
| ·BP神经网络 | 第46-49页 |
| ·BP神经网络的结构 | 第47页 |
| ·BP神经网络的学习过程 | 第47-49页 |
| ·基于BP神经网络的机械设备寿命预测 | 第49-60页 |
| ·BP神经网络的预测原理和预测模型 | 第49页 |
| ·BP网络预测设计 | 第49-50页 |
| ·实例验证 | 第50-60页 |
| ·小结 | 第60-61页 |
| 6 结论 | 第61-63页 |
| ·结论 | 第61页 |
| ·创新点 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67-69页 |
