| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·选题背景及研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·信号分析与处理技术研究现状 | 第12-14页 |
| ·模式识别方法研究现状 | 第14-15页 |
| ·性能退化评估及故障预测研究现状 | 第15-17页 |
| ·本文研究内容和论文结构 | 第17-19页 |
| 第二章 PHM 基本理论和相关技术 | 第19-29页 |
| ·引言 | 第19-20页 |
| ·小波包预处理的基本理论 | 第20-22页 |
| ·小波变换的基本思想 | 第20-21页 |
| ·小波包变换的基本思想 | 第21-22页 |
| ·HMM 的基本理论 | 第22-28页 |
| ·隐马尔科夫模型 | 第22-24页 |
| ·HMM 的基本算法 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于小波包-EMD 能量熵的特征提取方法 | 第29-43页 |
| ·引言 | 第29页 |
| ·小波包能量阈值去噪法 | 第29-34页 |
| ·小波包能量阈值去噪法 | 第29-30页 |
| ·小波包能量阈值去噪实验结果 | 第30-34页 |
| ·基于 EMD 特征提取方法 | 第34-38页 |
| ·EMD 概述 | 第34-36页 |
| ·基于 EMD 能量熵特征提取方法 | 第36页 |
| ·EMD 能量熵特征提取实验结果 | 第36-38页 |
| ·基于液压元件的数据预处理和特征提取 | 第38-42页 |
| ·振动信号预处理 | 第38-40页 |
| ·基于 EMD 能量熵的特征提取 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于改进 HMM 的退化状态识别和故障预测研究 | 第43-63页 |
| ·引言 | 第43页 |
| ·基于 HMM 训练算法的改进 | 第43-47页 |
| ·针对多个观测序列的 HMM | 第43-45页 |
| ·基于 PSO 算法对 HMM 参数的优化 | 第45-47页 |
| ·基于改进 HMM 的设备状态识别和故障预测方法 | 第47-56页 |
| ·设备状态退化过程 | 第47-49页 |
| ·设备退化状态转移 | 第49-51页 |
| ·基于 PSO-HMM 设备退化状态识别 | 第51-53页 |
| ·基于指数平滑预测和 HMM 的故障预测的研究及仿真 | 第53-56页 |
| ·基于液压元件退化状态识别和故障预测 | 第56-62页 |
| ·基于 PSO 改进的 HMM 的退化状态识别 | 第56-62页 |
| ·基于 HMM 和指数平滑预测的故障预测 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-67页 |
| ·工作总结 | 第63-64页 |
| ·工作展望 | 第64-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士学位期间发表论文及研究 | 第73-74页 |