| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 问题的提出与研究意义 | 第9页 |
| 1.2 课题的国内外研究现状 | 第9-13页 |
| 1.2.1 振动信号的特征提取 | 第10-11页 |
| 1.2.2 性能退化建模 | 第11-12页 |
| 1.2.3 剩余寿命预测 | 第12-13页 |
| 1.3 本文的主要内容与章节安排 | 第13-14页 |
| 第2章 风机齿轮箱剩余寿命预测的基本概述 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 故障预测技术的发展历程 | 第14-16页 |
| 2.3 故障形成过程分析 | 第16-20页 |
| 第3章 剩余寿命预测模型建立 | 第20-37页 |
| 3.1 引言 | 第20页 |
| 3.2 遗传算法 | 第20-27页 |
| 3.2.1 遗传算法的生物学基础 | 第20-21页 |
| 3.2.2 基本遗传算法 | 第21-27页 |
| 3.3 支持向量机 | 第27-32页 |
| 3.3.1 支持向量机回归理论 | 第27-31页 |
| 3.3.2 基于PCA的轴承数据降维及模型构建 | 第31-32页 |
| 3.4 遗传算法优化支持向量机 | 第32-35页 |
| 3.4.1 交叉验证 | 第33-34页 |
| 3.4.2 交叉验证选择最佳参数 | 第34页 |
| 3.4.3 遗传算法参数寻优 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于监测数据的风机齿轮箱轴承剩余寿命预测实验 | 第37-47页 |
| 4.1 数据来源及说明 | 第37页 |
| 4.2 性能衰退评估及特征选择 | 第37-39页 |
| 4.3 实验结果及预测误差分析 | 第39-45页 |
| 4.3.1 算法流程及参数设置 | 第39页 |
| 4.3.2 实验结果及分析 | 第39-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 全文总结 | 第47-49页 |
| 5.1 论文的研究工作总结 | 第47-48页 |
| 5.1.1 论文背景概述 | 第47页 |
| 5.1.2 论文工作总结 | 第47-48页 |
| 5.2 需要进一步研究的问题 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54页 |