| 附件 | 第1-6页 |
| 摘要 | 第6-9页 |
| ABSTRACT | 第9-12页 |
| 目录 | 第12-14页 |
| 第一章 绪论 | 第14-39页 |
| ·选题背景及研究意义 | 第14-16页 |
| ·国内外研究现状 | 第16-35页 |
| ·设备健康预测研究现状 | 第16-23页 |
| ·设备维护研究现状 | 第23-33页 |
| ·研究课题分析 | 第33-35页 |
| ·本文研究工作 | 第35-37页 |
| 研究范围与对象： | 第36-37页 |
| ·本文结构纲要 | 第37-39页 |
| 第二章 单监测信息的在线健康预测方法 | 第39-73页 |
| ·引言 | 第39-40页 |
| ·退化隐半马尔可夫模型的基本描述 | 第40-48页 |
| ·设备在线健康预测方法 | 第48-56页 |
| ·数据预处理及特征提取 | 第49-50页 |
| ·在线健康预测算法 | 第50-54页 |
| ·剩余有效寿命预测方法 | 第54-56页 |
| ·案例分析 | 第56-72页 |
| ·基于 HSMM 的健康诊断 | 第57-59页 |
| ·数据准备与处理 | 第59-63页 |
| ·模型参数估计 | 第63-65页 |
| ·在线健康预测分析 | 第65-69页 |
| ·预测性能评估 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第三章 多监测信息的在线健康预测方法 | 第73-95页 |
| ·引言 | 第73-74页 |
| ·特征空间降维 | 第74页 |
| ·设备在线健康预测方法 | 第74-84页 |
| ·修正隐式半马尔可夫模型 | 第74-79页 |
| ·自适应隐式半马尔可夫模型 | 第79-81页 |
| ·剩余有效寿命测方法 | 第81-84页 |
| ·案例分析 | 第84-94页 |
| ·数据准备 | 第85-86页 |
| ·在线健康状态识别分析 | 第86-88页 |
| ·在线健康预测分析 | 第88-91页 |
| ·预测性能评估 | 第91-94页 |
| ·本章小结 | 第94-95页 |
| 第四章 基于在线健康预测的集成动态维护研究 | 第95-125页 |
| ·引言 | 第95-96页 |
| ·设备衰退过程 | 第96-98页 |
| ·设备维护动作与时间 | 第98-101页 |
| ·设备集成动态维护模型 | 第101-112页 |
| ·设备维护模型目标 | 第101-106页 |
| ·集成动态维护模型 | 第106-112页 |
| ·案例分析 | 第112-123页 |
| ·数据准备 | 第112-115页 |
| ·维护策略比较设定 | 第115-116页 |
| ·维护策略分析 | 第116-123页 |
| ·本章小结 | 第123-125页 |
| 第五章 基于集成维护模型的维护优化研究 | 第125-146页 |
| ·引言 | 第125-126页 |
| ·多部件设备维护模型 | 第126-134页 |
| ·案例分析 | 第134-145页 |
| ·数据准备 | 第134-137页 |
| ·算法设计 | 第137-139页 |
| ·维护优化比较分析 | 第139-143页 |
| ·考虑调整因子的维护优化分析 | 第143-145页 |
| ·本章小结 | 第145-146页 |
| 第六章 总结与展望 | 第146-149页 |
| ·主要工作与结论 | 第146-147页 |
| ·本文的创新点 | 第147-148页 |
| ·研究与展望 | 第148-149页 |
| 参考文献 | 第149-169页 |
| 攻读博士学位期间已发表或录用的论文和参与的科研项目 | 第169-171页 |
| 致谢 | 第171页 |