| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 计算机联锁系统应用现状 | 第14-15页 |
| 1.2.2 寿命预测方法研究现状 | 第15-17页 |
| 1.3 论文主要工作及结构 | 第17-20页 |
| 2 相关理论基础 | 第20-32页 |
| 2.1 寿命评估相关概念 | 第20-22页 |
| 2.1.1 寿命评估概念 | 第20-21页 |
| 2.1.2 计算机联锁系统寿命评估 | 第21-22页 |
| 2.2 联锁系统寿命评估方法 | 第22-28页 |
| 2.2.1 故障树分析法 | 第22-23页 |
| 2.2.2 神经网络理论 | 第23-26页 |
| 2.2.3 智能优化算法理论 | 第26-28页 |
| 2.3 联锁系统寿命评估方案 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 基于故障树的计算机联锁系统硬件分析 | 第32-50页 |
| 3.1 计算机联锁系统硬件分析 | 第32-38页 |
| 3.1.1 计算机联锁系统设备组成 | 第32-35页 |
| 3.1.2 计算机联锁系统设备功能 | 第35-36页 |
| 3.1.3 计算机联锁系统维修特点 | 第36-38页 |
| 3.2 计算机联锁系统故障树模型建立 | 第38-42页 |
| 3.3 计算机联锁系统故障树定性分析 | 第42-45页 |
| 3.4 寿命评估模型训练数据集生成 | 第45-49页 |
| 3.4.1 计算机联锁系统故障数据收集与分析 | 第45-46页 |
| 3.4.2 神经网络训练数据集的整理与生成 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于神经网络的寿命评估模型 | 第50-66页 |
| 4.1 基于GRNN神经网络的联锁系统寿命评估模型构建 | 第50-56页 |
| 4.1.1 GRNN神经网络的基本原理及结构 | 第50-52页 |
| 4.1.2 基于GRNN神经网络的系统寿命评估模型构建过程 | 第52-56页 |
| 4.1.3 GRNN神经网络性能分析 | 第56页 |
| 4.2 基于改进型GRNN神经网络的系统寿命评估模型构建 | 第56-60页 |
| 4.2.1 粒子群算法的基本原理 | 第57-58页 |
| 4.2.2 粒子群算法优化神经网络参数方案 | 第58-59页 |
| 4.2.3 基于改进型GRNN神经网络的系统寿命评估模型构建 | 第59-60页 |
| 4.3 基于BP神经网络的联锁系统寿命评估模型构建 | 第60-64页 |
| 4.3.1 BP神经网络的基本原理及结构 | 第61-62页 |
| 4.3.2 基于BP神经网络的系统寿命评估模型构建过程 | 第62-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 计算机联锁系统寿命评估模型实例 | 第66-88页 |
| 5.1 评估模型实例分析 | 第66-70页 |
| 5.1.1 系统硬件结构概述 | 第66-68页 |
| 5.1.2 系统数据收集 | 第68-70页 |
| 5.2 联锁系统寿命评估模型的对比分析 | 第70-84页 |
| 5.2.1 基于GRNN神经网络的联锁系统寿命评估模型性能分析 | 第73-76页 |
| 5.2.2 基于改进型GRNN神经网络的系统寿命评估模型性能分析 | 第76-79页 |
| 5.2.3 基于BP神经网络的联锁系统寿命评估模型性能分析 | 第79-83页 |
| 5.2.4 联锁系统寿命评估模型性能对比分析 | 第83-84页 |
| 5.3 联锁系统寿命评估模型的应用 | 第84-87页 |
| 5.4 本章小结 | 第87-88页 |
| 6 结论与展望 | 第88-92页 |
| 6.1 总结 | 第88-90页 |
| 6.2 展望 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 图索引 | 第96-98页 |
| 表索引 | 第98-100页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第100-104页 |
| 学位论文数据集 | 第104页 |
