第一个书签之前
摘 要
Abstract
第1章 绪 论
1.1 课题背景及研究的目的和意义
1.2.1 机械设备退化状态建模概述
1.2.2 机械设备退化状态建模国内外研究现状
1.2.3 机械设备退化状态建模存在的问题及分析
1.3 机械设备剩余寿命预测研究现状
1.3.1 机械设备剩余寿命预测概述
1.3.2 机械设备剩余寿命预测国内外研究现状
1.3.3 机械设备剩余寿命预测存在的问题及分析
1.4 本文研究内容与结构
第2章 基于一维监测数据的轴承退化状态建模
2.1 轴承退化状态建模方法概述
2.2 面向轴承退化状态建模的深度学习模型选择
2.2.1 深度学习方法简介
2.2.2 堆叠去噪自编码器原理
2.2.3 去噪自动编码机特征提取能力研究
2.3 基于SDAE和SOM的轴承退化状态建模方法
2.3.1 基于SDAE和SOM的轴承退化状态建模框架
2.3.2 轴承退化状态建模具体流程
2.4 实验验证及分析
2.4.1 PHM2012轴承退化数据介绍及预处理结果
2.4.2 轴承健康因子评价指标
2.4.3 实验设置及结果
2.4.4 与RMS、PCA、ELM_AE方法对比及分析
2.5 本章小结
第3章 基于多维监测数据的涡轮发动机退化状态建模
3.1 涡轮发动机退化状态建模方法概述
3.2 基于SDAE的涡轮发动机退化状态建模方法
3.2.1 深度学习模型选择
3.2.2 基于SDAE的涡轮发动机退化状态建模框架
3.2.3 涡轮发动机退化状态建模具体流程
3.3 实验验证及分析
3.3.1 CMAPSS发动机数据介绍及预处理结果
3.3.2 涡轮发动机健康因子评价指标
3.3.3 实验设置及结果
3.3.4 与PCA、ELM_AE方法对比及分析
3.4 本章小结
第4章 基于LSTM的机械设备剩余寿命预测方法
4.1 机械设备剩余寿命预测概述
4.1.1 机械设备剩余寿命预测流程简介
4.1.2 机械设备剩余寿命预测评价指标
4.1.3 基于深度学习的机械设备剩余寿命预测方法回顾
4.1.4 面向机械设备剩余寿命预测的深度学习模型选择
4.2 基于LSTM的轴承剩余寿命预测方法
4.2.1 轴承数据描述及处理
4.2.2 基于LSTM的轴承剩余寿命预测流程
4.2.3 实验验证及分析
4.3 基于LSTM的涡轮发动机剩余寿命预测方法
4.3.1 涡轮发动机数据描述及处理
4.4 本章小结
结 论
参考文献
攻读学位期间发表的学术论文
哈尔滨工业大学学位论文原创性声明和使用权限
致 谢
