基于LSSVR--HSMM的滚动轴承剩余使用寿命预测研究

目录

声明

1 绪论

1.1 课题来源及研究目的

1.1.1 课题来源

1.1.2 研究目的

1.2 研究背景与意义

1.3 国内外研究现状与分析

1.3.1 RUL预测技术的研究现状

1.3.2 基于HSMM的RUL预测方法的研究现状

1.3.3 研究现状总结与分析

1.4 本文的主要工作与结构

2相关方法与基础理论

2.1 引言

2.2 振动信号处理方法

2.2.1 振动信号时域分析法

2.2.2 振动信号频域分析法

2.2.3 振动信号时频域分析法

2.3 隐半马尔可夫模型的基本理论与算法

2.3.1 HSMM基本结构

2.3.2 HSMM相关算法

2.4 最小二乘支持向量回归的基本理论与算法

2.4.1 统计学习理论

2.4.2 SVR算法

2.4.3 LSSVR算法

2.5 本章小结

3 基于LSSVR-HSMM的滚动轴承剩余使用寿命预测方法

3.1 引言

3.2 完整数据下基于LSSVR-HSMM的滚动轴承剩余使用寿命预测

3.2.1 基于HSMM的RUL预测方法与分析

3.2.2 基于LSSVR-HSMM的RUL预测策略

3.3 缺失数据下基于LSSVR-HSMM的滚动轴承剩余使用寿命预测

3.4 本章小结

4 基于LSSVR-HSMM的滚动轴承剩余使用寿命预测的关键技术

4.1 引言

4.2 基于多域特征和KPCA的滚动轴承振动信号处理技术

4.2.1 滚动轴承振动信号的多域特征提取

4.2.2 基于KPCA的特征向量处理

4.3 基于HSMM的滚动轴承退化状态识别技术

4.3.1 相关HSMM理论及算法推导

4.3.2 基于HSMM 的退化状态识别框架

4.4 基于WSA-LSSVR的观测序列预测技术

4.4.1 WSA及其基本步骤

4.4.2 WSA优化的LSSVR滚动轴承观测序列预测

4.5 本章小结

5 滚动轴承剩余使用寿命预测应用案例

5.1 引言

5.2 滚动轴承加速实验平台和数据集说明

5.3 完整数据下滚动轴承剩余使用寿命预测案例

5.3.1 三种关键技术的实验验证

5.3.2 滚动轴承RUL预测结果与比较

5.4 缺失数据下滚动轴承剩余使用寿命预测案例

5.5 本章小结

6 结论与展望

6.1 全文总结

6.2 研究展望

致谢

参考文献