| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题背景及意义 | 第11-13页 |
| ·设备维护的历史发展与现状 | 第13-14页 |
| ·主要研究内容 | 第14-17页 |
| 第二章 基于状态维护中预测技术的应用——综述 | 第17-43页 |
| ·背景介绍 | 第17-20页 |
| ·基于物理模型的方法 | 第20-22页 |
| ·基于知识库的方法 | 第22-24页 |
| ·专家系统 | 第22-23页 |
| ·模糊逻辑 | 第23-24页 |
| ·数据挖掘方法 | 第24-36页 |
| ·基于人工神经网络的方法 | 第25-29页 |
| ·贝叶斯网络衍生方法/模型 | 第29-31页 |
| ·隐式马尔科夫模型和隐式半马尔科夫模型 | 第31-32页 |
| ·主成分分析法 | 第32-33页 |
| ·失效率和部分失效率模型 | 第33-34页 |
| ·灰色模型GM(1, 1) | 第34-35页 |
| ·其它基于数据挖掘的方法 | 第35-36页 |
| ·组合模型 | 第36-39页 |
| ·本章小结 | 第39-43页 |
| 第三章 基于退化隐式半马尔科夫模型的设备健康预测方法 | 第43-68页 |
| ·介绍 | 第43-45页 |
| ·隐式马尔科夫模型的理论基础 | 第45-47页 |
| ·基于隐式半马尔科夫模型的诊断预测框架 | 第47-53页 |
| ·退化隐式半马尔科夫系统中的老化因子设计 | 第53-63页 |
| ·考虑老化因子的状态转换矩阵 | 第53-56页 |
| ·三类老化因子的设计 | 第56-62页 |
| ·老化因子的估计值算法 | 第62-63页 |
| ·基于失效率的有效剩余寿命估算方法 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第四章 针对 HSMM 的诊断预测模型中关于缺失数据的处理问题 | 第68-81页 |
| ·缺失数据对数据挖掘模型的影响 | 第68-70页 |
| ·缺失数据的常见处理方法 | 第70-74页 |
| ·缺失机制分析 | 第70-71页 |
| ·缺失数据的处理 | 第71-74页 |
| ·基于灰色模型的缺失数据填补算法 | 第74-80页 |
| ·灰色模型介绍 | 第74-76页 |
| ·迭代灰色缺失值填补算法 | 第76-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 考虑备件库存成本的双层动态规划维护策略优化模型 | 第81-97页 |
| ·维护策略优化 | 第81-85页 |
| ·维护策略中的维护动作与维护成本分析 | 第85-88页 |
| ·基于动态规划算法的维护成本模型 | 第88-95页 |
| ·本章小结 | 第95-97页 |
| 第六章 案例分析 | 第97-118页 |
| ·基于HSMM 的诊断 | 第97-100页 |
| ·考虑老化因子的HSMM 预测方法 | 第100-108页 |
| ·灰色缺失值填充迭代算法 | 第108-112页 |
| ·双层动态规划维护策略优化模型 | 第112-116页 |
| ·本章小结 | 第116-118页 |
| 第七章 全文总结 | 第118-122页 |
| 参考文献 | 第122-137页 |
| 攻读博士学位期间已发表或录用的论文 | 第137-138页 |
| 致谢 | 第138-141页 |
| 上海交通大学博士学位论文答辩决议书 | 第141页 |
