| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 论文的选题背景和研究意义 | 第10-12页 |
| 1.1.1 论文的研究背景 | 第10-11页 |
| 1.1.2 论文的研究意义 | 第11-12页 |
| 1.2 论文的国内外研究现状 | 第12-14页 |
| 1.2.1 基于统计分析的寿命模型 | 第12-13页 |
| 1.2.2 基于断裂力学的寿命模型 | 第13-14页 |
| 1.2.3 基于状态监测的寿命模型 | 第14页 |
| 1.3 论文的主要研究内容 | 第14-16页 |
| 2 轴承监测信号的处理 | 第16-28页 |
| 2.1 监测信号分析 | 第16-17页 |
| 2.2 K-means聚类分析 | 第17-20页 |
| 2.2.1 K-means聚类原理与步骤 | 第17-18页 |
| 2.2.2 基于DBI指标的聚类个数k的确定 | 第18-19页 |
| 2.2.3 K-means聚类仿真分析 | 第19-20页 |
| 2.3 振动信号去噪 | 第20-26页 |
| 2.3.1 小波包分析 | 第21-22页 |
| 2.3.2 小波包去噪流程 | 第22-23页 |
| 2.3.3 小波包信号去噪仿真分析 | 第23-26页 |
| 2.4 特征提取 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 3 基于Weibull分布的轴承寿命预测 | 第28-36页 |
| 3.1 Weibull分布 | 第28-32页 |
| 3.1.1 数学模型 | 第29-30页 |
| 3.1.2 基于最小二乘法的Weibull分布参数求解 | 第30-31页 |
| 3.1.3 期望寿命推导 | 第31-32页 |
| 3.2 数据处理 | 第32-33页 |
| 3.2.1 可靠度计算 | 第32-33页 |
| 3.2.2 参数辨识 | 第33页 |
| 3.3 寿命预测分析 | 第33-35页 |
| 3.4 小结 | 第35-36页 |
| 4 基于ARIMA模型的轴承寿命预测 | 第36-47页 |
| 4.1 时间序列模型 | 第37-38页 |
| 4.2 数据平稳化 | 第38-39页 |
| 4.2.1 数据平稳性判定 | 第38-39页 |
| 4.2.2 平稳性的参数检验法 | 第39页 |
| 4.3 模型类型的确定 | 第39-42页 |
| 4.3.1 模型的定阶 | 第39-42页 |
| 4.3.2 模型的参数估计 | 第42页 |
| 4.4 寿命预测分析 | 第42-46页 |
| 4.4.1 数据平稳化 | 第43-44页 |
| 4.4.2 模型类型的确定 | 第44-45页 |
| 4.4.3 ARIMA模型确定 | 第45-46页 |
| 4.4.4 仿真分析 | 第46页 |
| 4.5 小结 | 第46-47页 |
| 5 基于Kalman滤波的轴承的寿命预测 | 第47-53页 |
| 5.1 Kalman滤波的预测 | 第47-49页 |
| 5.1.1 Kalman滤波问题的分类 | 第47-48页 |
| 5.1.2 Kalman滤波的预测流程 | 第48-49页 |
| 5.2 Kalman滤波 | 第49-51页 |
| 5.2.1 状态空间模型的建立 | 第49-50页 |
| 5.2.2 Kalman滤波的算法 | 第50-51页 |
| 5.3 寿命预测分析 | 第51-52页 |
| 5.3.1 ARIMA模型的状态空间模型 | 第51-52页 |
| 5.3.2 基于Kalman滤波的轴承寿命预测 | 第52页 |
| 5.4 小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间研究成果 | 第58页 |