| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 多状态系统研究现状 | 第14-16页 |
| 1.2.2 故障预测与健康管理研究现状 | 第16-20页 |
| 1.2.3 主要存在问题 | 第20-21页 |
| 1.3 主要研究内容 | 第21-23页 |
| 第二章 多状态系统可靠性度量方法研究 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 多状态系统概述 | 第23-25页 |
| 2.3 马尔科夫链模型 | 第25-27页 |
| 2.4 通用发生函数 | 第27-29页 |
| 2.5 多状态系统动态可靠性度量及其重要度分析 | 第29-33页 |
| 2.6 柴油机燃油供给系统可靠性分析 | 第33-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第三章 基于监测数据的多状态系统可靠性建模方法研究 | 第41-64页 |
| 3.1 引言 | 第41-42页 |
| 3.2 多状态系统模型 | 第42-47页 |
| 3.2.1 假设 | 第42-44页 |
| 3.2.2 多状态系统模型结构 | 第44-47页 |
| 3.3 多状态系统可靠性建模方法 | 第47-48页 |
| 3.4 多状态系统退化特征空间构建 | 第48-56页 |
| 3.4.1 基于时域分析退化特征 | 第48-49页 |
| 3.4.2 基于频域分析退化特征 | 第49-50页 |
| 3.4.3 基于小波包分解能量退化特征 | 第50-51页 |
| 3.4.4 基于经验模态分解能量退化特征 | 第51-53页 |
| 3.4.5 信息熵退化特征 | 第53-56页 |
| 3.5 基于遗传算法的最优退化特征选择方法 | 第56-59页 |
| 3.6 基于WPHM模型的参数化估计 | 第59-62页 |
| 3.7 本章小结 | 第62-64页 |
| 第四章 多状态系统退化状态自动分割方法研究 | 第64-77页 |
| 4.1 引言 | 第64-65页 |
| 4.2 多状态系统退化状态自动分割方法 | 第65-68页 |
| 4.3 基于流形学习算法的特征融合 | 第68-71页 |
| 4.3.1 本征维数估计 | 第68-69页 |
| 4.3.2 拉普拉斯特征映射 | 第69-71页 |
| 4.4 自动谱聚类算法 | 第71页 |
| 4.5 自动聚类算法实验验证 | 第71-76页 |
| 4.6 本章小结 | 第76-77页 |
| 第五章 多状态系统状态识别及剩余使用寿命预测方法 | 第77-84页 |
| 5.1 引言 | 第77页 |
| 5.2 多状态系统退化状态识别及剩余使用寿命预测方法 | 第77-79页 |
| 5.3 基于SVM方法的状态识别和趋势预测 | 第79-83页 |
| 5.3.1 支持向量分类原理 | 第79-80页 |
| 5.3.2 支持向量回归原理 | 第80页 |
| 5.3.3 状态识别和趋势预测 | 第80-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第六章 试验验证 | 第84-114页 |
| 6.1 引言 | 第84页 |
| 6.2 化工泵失效机理分析 | 第84-86页 |
| 6.3 化工泵多工况试验 | 第86-99页 |
| 6.3.1 闭式试验台 | 第86-87页 |
| 6.3.2 测试系统 | 第87-89页 |
| 6.3.3 试验方案与步骤 | 第89-90页 |
| 6.3.4 试验结果分析 | 第90-94页 |
| 6.3.5 化工泵多工况识别方法研究 | 第94-99页 |
| 6.4 轴承全寿命试验 | 第99-112页 |
| 6.4.1 试验数据 | 第99-101页 |
| 6.4.2 特征空间构建及特征选择 | 第101-107页 |
| 6.4.3 退化状态分割及识别 | 第107-109页 |
| 6.4.4 可靠性建模及剩余使用寿命预测 | 第109-112页 |
| 6.5 本章小结 | 第112-114页 |
| 结论与展望 | 第114-117页 |
| 主要结论 | 第114-115页 |
| 主要创新点 | 第115页 |
| 不足与展望 | 第115-117页 |
| 参考文献 | 第117-130页 |
| 攻读博士学位期间取得的研究成果 | 第130-131页 |
| 致谢 | 第131-132页 |
| 附件 | 第132页 |