| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 设备生命周期的研究现状 | 第10-11页 |
| 1.2.2 设备远程监测系统的自适应数据采集方法研究现状 | 第11-12页 |
| 1.2.3 设备故障预测方法的研究现状 | 第12-14页 |
| 1.3 研究目标与研究内容 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 设备生命周期的划分及所处生命周期阶段判定 | 第17-32页 |
| 2.1 设备生命周期概念基础及划分 | 第17-19页 |
| 2.2 使用隐马尔可夫模型HMM刻画生命周期 | 第19-23页 |
| 2.2.1 HMM模型学习问题 | 第20-22页 |
| 2.2.2 HMM解码问题及生命周期影响因子 | 第22-23页 |
| 2.3 焊接设备被监测点及监测数据选取 | 第23-27页 |
| 2.3.1 焊接生产线及焊接设备简介 | 第23-25页 |
| 2.3.2 焊接设备故障分析 | 第25-26页 |
| 2.3.3 被监测点选取及数据特征 | 第26-27页 |
| 2.4 焊接设备所处生命周期阶段判定及影响因子确定方法算例验证 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于设备所处生命周期阶段的自适应数据采集方法设计 | 第32-44页 |
| 3.1 传统等时间间隔数据采样系统简介及分析 | 第32-35页 |
| 3.2 自适应数据采集过程分析 | 第35-39页 |
| 3.2.1 被监测设备状态数据变化的平稳度确定 | 第36-37页 |
| 3.2.2 结合设备生命周期影响因子的自适应采集间隔确定 | 第37-38页 |
| 3.2.3 自适应数据采集方式确定 | 第38-39页 |
| 3.3 自适应数据采集方法算例验证 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于监测数据的设备故障预测方法设计 | 第44-63页 |
| 4.1 预测模型基础内容简介 | 第44-51页 |
| 4.1.1 自回归滑动平均ARIMA模型简介 | 第44-47页 |
| 4.1.2 支持向量机回归SVR简介 | 第47-51页 |
| 4.2 改进的ARIMA-SVR组合预测模型的建立 | 第51-55页 |
| 4.2.1 传统ARIMA-SVR组合预测模型分析 | 第51-55页 |
| 4.2.2 基于生命周期影响因子的ARIMA-SVR组合预测模型建立 | 第55页 |
| 4.3 设备故障判定 | 第55-57页 |
| 4.4 故障预测方法算例验证 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 焊接设备自适应数据采集与故障预测系统设计及实现 | 第63-73页 |
| 5.1 系统结构总体设计 | 第63-64页 |
| 5.2 系统功能模块设计及实现 | 第64-71页 |
| 5.2.1 焊接设备监测点选取及标准管理模块设计及实现 | 第66-67页 |
| 5.2.2 焊接设备运行状态监测管理模块设计及实现 | 第67-68页 |
| 5.2.3 焊接设备故障预测管理模块设计及实现 | 第68-69页 |
| 5.2.4 用户信息管理模块设计及实现 | 第69-71页 |
| 5.3 系统软件测试 | 第71-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 后续工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79页 |
