基于大数据的车辆健康管理与监测系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究目的及意义 | 第9-10页 |
| 1.2 PHM技术国内外研究现状 | 第10-13页 |
| 1.2.1 航空PHM国内外研究现状 | 第10-11页 |
| 1.2.2 汽车PHM国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容及章节安排 | 第13-15页 |
| 第二章 基于振动信号的轴承故障诊断 | 第15-39页 |
| 2.1 引言 | 第15页 |
| 2.2 轴承故障机理与特征分析 | 第15-18页 |
| 2.2.1 结构特点与故障机理 | 第15-16页 |
| 2.2.2 轴承表面损伤故障特征分析 | 第16-18页 |
| 2.3 振动信号的特征提取方法研究 | 第18-20页 |
| 2.3.1 时域信号分析 | 第18-19页 |
| 2.3.2 频域信号分析 | 第19-20页 |
| 2.3.3 基于PCA的特征选择 | 第20页 |
| 2.4 聚类算法研究 | 第20-26页 |
| 2.4.1 层次聚类方法特点 | 第20-21页 |
| 2.4.2 层次聚类方法分类 | 第21-22页 |
| 2.4.3 算法方法的距离度量 | 第22-25页 |
| 2.4.4 层次聚类步骤 | 第25-26页 |
| 2.4.5 AP聚类方法 | 第26页 |
| 2.5 轴承故障诊断模型 | 第26-33页 |
| 2.5.1 分类器 | 第27页 |
| 2.5.2 RBF神经网络 | 第27-32页 |
| 2.5.3 故障诊断模型 | 第32-33页 |
| 2.6 实验分析 | 第33-37页 |
| 2.7 本章小结 | 第37-39页 |
| 第三章 基于发动机性能参数的状态划分技术研究 | 第39-53页 |
| 3.1 动力系统故障及参数分析 | 第39-40页 |
| 3.2 特征提取 | 第40-43页 |
| 3.2.1 车辆状态参数主成份分析 | 第40页 |
| 3.2.2 主成份分析的数学模型及几何意义 | 第40-42页 |
| 3.2.3 主成份分析计算步骤 | 第42-43页 |
| 3.3 状态划分 | 第43-51页 |
| 3.3.1 谱聚类简介 | 第44-48页 |
| 3.3.2 谱聚类算法实现 | 第48-50页 |
| 3.3.3 聚类质量的评判 | 第50页 |
| 3.3.4 模型个数的选择 | 第50-51页 |
| 3.3.5 实验仿真 | 第51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 基于状态参数的电池健康管理研究 | 第53-63页 |
| 4.1 SOH定义 | 第53-54页 |
| 4.2 电池放电容量与阻抗变化 | 第54-57页 |
| 4.3 支持向量机的回归拟合 | 第57-60页 |
| 4.3.1 回归型支持向量机基本思想 | 第57-59页 |
| 4.3.2 思路及步骤 | 第59-60页 |
| 4.4 实验分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 课题总结 | 第63-64页 |
| 5.2 课题展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |
