| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 国内外研究现状及发展趋势 | 第8-13页 |
| 1.2.1 滚动轴承特征提取方法研究现状 | 第8-9页 |
| 1.2.2 滚动轴承模式识别方法研究现状 | 第9-10页 |
| 1.2.3 滚动轴承寿命预测方法研究现状 | 第10-12页 |
| 1.2.4 Logistic回归方法研究现状 | 第12-13页 |
| 1.3 论文的研究内容及安排 | 第13-14页 |
| 2 滚动轴承寿命预测理论研究 | 第14-28页 |
| 2.1 Logistic回归模型 | 第14-17页 |
| 2.1.1 二项分类Logistic回归模型 | 第14-15页 |
| 2.1.2 多项分类Logistic回归模型 | 第15-16页 |
| 2.1.3 回归参数的估计 | 第16页 |
| 2.1.4 改进Logistic回归模型 | 第16-17页 |
| 2.2 支持向量机 | 第17-20页 |
| 2.3 BP神经网络 | 第20-24页 |
| 2.3.1 BP神经网络的原理 | 第20-21页 |
| 2.3.2 BP神经网络的结构算法 | 第21-24页 |
| 2.4 比例故障模型 | 第24-27页 |
| 2.4.1 比例故障模型 | 第24-25页 |
| 2.4.2 威布尔比例故障模型 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于粗糙集和神经网络的中介轴承故障诊断 | 第28-44页 |
| 3.1 中介轴承试验研究 | 第28-34页 |
| 3.1.1 中介轴承 | 第28-30页 |
| 3.1.2 中介轴承试验台加载系统的设计与开发 | 第30-34页 |
| 3.2 小波包分解 | 第34-37页 |
| 3.2.1 小波包分解理论 | 第34-35页 |
| 3.2.2 工程验证 | 第35-37页 |
| 3.3 粗糙集理论 | 第37页 |
| 3.4 基于粗糙集和神经网络的中介轴承故障诊断 | 第37-43页 |
| 3.4.1 算法流程 | 第37-38页 |
| 3.4.2 实例分析 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于PCA和改进Logistic回归模型滚动轴承剩余寿命预测 | 第44-57页 |
| 4.1 特征量选取 | 第44-46页 |
| 4.2 主元分析（PCA） | 第46-47页 |
| 4.3 基本算法流程 | 第47-48页 |
| 4.4 基于PCA和改进Logistic回归模型滚动轴承剩余寿命预测 | 第48-56页 |
| 4.4.1 试验设备 | 第48-50页 |
| 4.4.2 获取有效特征值和相对特征值 | 第50-52页 |
| 4.4.3 PCA降维与退化趋势分析 | 第52-54页 |
| 4.4.4 可靠性评估与剩余寿命预测 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 航空发动机滚动轴承故障诊断与剩余寿命预测系统开发 | 第57-65页 |
| 5.1 系统开发软件环境 | 第57页 |
| 5.2 系统开发硬件环境 | 第57-59页 |
| 5.3 系统开发方案 | 第59-60页 |
| 5.4 航空发动机滚动轴承故障诊断与剩余寿命预测系统 | 第60-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-75页 |
