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
哈尔滨工业大学;