基于在线监测信息的机械设备关键零部件寿命预测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 基于统计分析的寿命预测模型 | 第12-13页 |
| 1.2.2 基于物理方法的寿命预测模型 | 第13-14页 |
| 1.2.3 基于状态监测的寿命预测模型 | 第14-17页 |
| 1.3 本文贡献和创新 | 第17页 |
| 1.4 本文结构安排 | 第17-19页 |
| 第二章 机械设备关键零部件失效研究 | 第19-34页 |
| 2.1 引言 | 第19页 |
| 2.2 机械故障机理分析 | 第19-24页 |
| 2.2.1 输出参数与损伤的关系 | 第19-20页 |
| 2.2.2 故障特性分析 | 第20-21页 |
| 2.2.3 故障演化规律 | 第21-22页 |
| 2.2.4 常见零部件失效分析 | 第22-24页 |
| 2.3 实例研究 | 第24-33页 |
| 2.3.1 数据来源 | 第24-28页 |
| 2.3.2 数据分析 | 第28-30页 |
| 2.3.3 可靠度评估探究 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 机械设备关键零部件性能退化特征指标 | 第34-49页 |
| 3.1 引言 | 第34页 |
| 3.2 小波消噪 | 第34-35页 |
| 3.3 特征提取方法研究 | 第35-39页 |
| 3.3.1 时域特征提取 | 第35-36页 |
| 3.3.2 频域特征提取 | 第36-37页 |
| 3.3.3 时频域特征提取 | 第37-38页 |
| 3.3.4 威布尔参数特征提取 | 第38-39页 |
| 3.4 多维特征融合 | 第39-41页 |
| 3.5 实例研究 | 第41-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 支持向量回归机预测模型优化研究 | 第49-68页 |
| 4.1 引言 | 第49页 |
| 4.2 预测模型及参数优化 | 第49-56页 |
| 4.2.1 支持向量机回归理论 | 第49-54页 |
| 4.2.2 参数优化 | 第54-56页 |
| 4.3 趋势预测 | 第56-63页 |
| 4.3.1 趋势预测方法的提出 | 第56-58页 |
| 4.3.2 趋势预测实例研究 | 第58-63页 |
| 4.4 寿命预测 | 第63-67页 |
| 4.4.1 寿命预测方法的提出 | 第63-65页 |
| 4.4.2 寿命预测实例研究 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 机械设备关键零部件寿命预测系统研究与应用 | 第68-76页 |
| 5.1 引言 | 第68页 |
| 5.2 系统设计研究 | 第68-71页 |
| 5.2.1 需求分析 | 第68页 |
| 5.2.2 总体设计 | 第68-71页 |
| 5.3 趋势预测模块应用分析 | 第71-73页 |
| 5.4 寿命预测模块应用分析 | 第73-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 攻读硕士学位期间取得的成果 | 第86-87页 |
