基于即时学习的齿轮泵剩余寿命预测方法研究

目录

声明

第1章绪 论

1.1 课题背景及研究意义

1.2 国内外研究现状

1.2.1 信号分析方法的研究现状

1.2.2 特征提取方法的研究现状

1.2.3 剩余寿命预测方法研究现状

1.3 论文的研究内容及结构安排

第2章齿轮泵特征提取及剩余寿命预测原理

2.1 状态评估指标方法

2.1.1时域特征提取

2.1.2频域特征提取

2.2 剩余寿命

2.2.1 齿轮泵性能退化规律

2.2.2 机械设备剩余寿命定义

2.2.3剩余寿命模型

2.3本章小结

第3章振动信号的小波包消噪方法

3.1 小波包变换的带通滤波和消噪

3.1.1 小波包的定义

3.1.2 信号的小波包分解算法与重构算法

3.1.3小波包消噪的方法

3.2 实例分析

3.3本章小结

第4章基于核主成分分析的齿轮泵性能退化状态评估

4.1 KPCA的原理和分析过程

4.2核函数的选取

4.3核主元个数的选取

4.4齿轮泵全寿命实验系统

4.4.1实验系统组成

4.4.2 齿轮泵的实验原理

4.4.3 LabVIEW状态监测系统

4.5 实验结果分析

4.6本章小结

第5章基于即时学习的齿轮泵剩余寿命预测

5.1引言

5.2即时学习算法

5.2.1算法原理

5.2.2即时学习算法基本步骤

5.2.3即时学习算法建模关键点

5.3样本选取准则

5.4数据窗口的确定

5.4.1递归算法与数据窗口h的确定

5.4.2改进后的算法步骤

5.5 仿真研究

5.6 应用实例

5.7本章小结

结 论

参考文献

致谢

攻读硕士学位期间承担的科研任务与主要成果