机械旋转部件性能退化跟踪与剩余使用寿命预测方法研究

第 1 章 绪论

1.1 课题背景及目的意义

1.2 国内外研究现状及分析

1.2.1 机械旋转部件性能退化跟踪方法研究现状

1.2.2 机械旋转部件剩余使用寿命预测方法研究现状

1.3 课题主要研究内容

1.4 本文结构

第 2 章 基于非线性单特征的性能退化跟踪方法

2.1 引言

2.2 基于 CEEMDAN-MIC 的信号重构方法

2.2.1 经验模态分解

2.2.2 完备自适应噪声集合经验模态分解

2.2.2 最大互信息系数

2.3 基于近似熵的单特征健康因子提取

2.4 初始故障判定

2.5 实验验证

2.5.1 实验数据集

2.5.2 实验结果与分析

2.6 本章小结

第 3 章 基于多特征融合的性能退化跟踪方法

3.1 引言

3.2 机械旋转部件的特征提取和筛选

3.2.1 时域特征提取

3.2.2 频域特征提取

3.2.3 时频域特征提取

3.2.4 特征筛选

3.3 深度学习理论基础

3.3.1 卷积神经网络

3.3.2 门控递归单元

3.3.3 CNN-GRU

3.4 基于 CG-HI 的多特征健康因子融合方法

3.5 实验验证

3.5.1 实验数据集

3.5.2 实验结果与分析

3.6 本章小结

第 4 章 基于 DEM-UKF 的剩余使用寿命预测方法

4.1 引言

4.2 DEM-UKF 预测算法

4.2.1 粒子滤波算法

4.2.2 无迹卡尔曼滤波算法

4.2.3 退化模型构建

4.2.4 算法流程

4.3 实验结果与分析

4.3.1基于单特征CEEMDAN-ApEn的剩余使用寿命预测实验

4.3.2 基于多特征融合 CG-HI 的剩余使用寿命预测实验

4.4 本章小结

结 论

参考文献

攻读硕士学位期间发表的论文及其他成果

声明

致 谢