基于贝叶斯算法的齿轮箱故障诊断和剩余寿命预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状分析 | 第10-12页 |
| 1.3 设备管理面临的挑战 | 第12-14页 |
| 1.4 研究内容和论文组织 | 第14-15页 |
| 第二章 相关定义及理论 | 第15-27页 |
| 2.1 贝叶斯故障诊断相关综述 | 第15-20页 |
| 2.1.1 贝叶斯故障诊断的一般程序 | 第15页 |
| 2.1.2 BN建模与推理 | 第15-18页 |
| 2.1.3 故障识别和验证 | 第18-20页 |
| 2.2 故障诊断类型研究 | 第20-22页 |
| 2.2.1 BN和DBNs进行故障诊断 | 第20-21页 |
| 2.2.2 其他BNs故障诊断 | 第21-22页 |
| 2.3 RUL现阶段理论分析 | 第22-23页 |
| 2.4 RUL中的不确定性量化理论 | 第23-27页 |
| 2.4.1 不确定性来源的建模 | 第23-24页 |
| 2.4.2 贝叶斯剩余寿命预测理论 | 第24-27页 |
| 第三章 基于贝叶斯算法的齿轮故障诊断研究 | 第27-41页 |
| 3.1 贝叶斯网络结构与建模 | 第27-28页 |
| 3.2 振动信号的特征提取 | 第28-30页 |
| 3.3 主要研究方法 | 第30-32页 |
| 3.3.1 朴素贝叶斯算法 | 第30-31页 |
| 3.3.2 贝叶斯网络 | 第31-32页 |
| 3.4 实验结果与讨论 | 第32-40页 |
| 3.4.1 实验装置和程序 | 第32-36页 |
| 3.4.2 统计特征降维 | 第36-38页 |
| 3.4.3 贝叶斯网络和朴素贝叶斯分类 | 第38-39页 |
| 3.4.4 分类器的验证 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于改进贝叶斯推理的剩余寿命预测研究 | 第41-52页 |
| 4.1 RUL主要研究方法 | 第41-42页 |
| 4.2 RUL研究流程 | 第42-47页 |
| 4.2.1 小波阈值去噪 | 第42-44页 |
| 4.2.2 线性降维 | 第44-46页 |
| 4.2.3 特征累计 | 第46-47页 |
| 4.3 改进的贝叶斯剩余寿命预测方法 | 第47-50页 |
| 4.4 实验结果 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间主要的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
