基于主元分析和长短期记忆网络的滑油故障诊断与预测研究

目录

声明

第1章 绪论

1.1 课题研究背景、目的及意义

1.2 国内外研究综述

1.2.1 油液监测与分析技术研究现状

1.2.2 主元分析法研究现状

1.2.3 LSTM研究现状

1.3 常用油液性能指标

1.3.1 水污染及其对润滑油性能的影响

1.3.2 颗粒污染及其对油品性能的影响

1.4 本文工作与章节安排

第2章 主元分析法理论及其应用

2.1 主成分分析原理

2.1.1 主成分分析的基本理论

2.1.2 主成分分析的建模过程

2.1.3 负载矩阵求解

2.1.4 主元个数确定

2.2 基于主元分析的状态评估方法

2.2.1 基于Q统计量的状态评估方法

2.2.2 基于Hotelling’s T2统计量的状态评估方法

2.2.3 基于综合统计量的状态评估方法

2.3 主元分析法在滑油理化性能评估中的应用

2.3.1 数据集预处理

2.3.2 主元模型的建立

2.3.3 综合主元分析法与传统主元分析法性能对比

2.4 本章小结

第3章 LSTM神经网络理论

3.1 FNN前馈神经网络

3.2 RNN循环神经网络

3.3 LSTM神经网络

3.3.1 LSTM记忆单元结构

3.3.2 LSTM神经网络原理

3.4 LSTM优化方法

3.4.1 损失函数

3.4.2 激活函数

3.4.3 优化算法

3.4.4 Dropout技术

3.5 本章小结

第4章 基于LSTM的综合统计量预测模型

4.1 实验环境

4.1.1 硬件及软件环境

4.1.2 SciKit-learn工具包

4.1.3 Keras工具包

4.2 基于随机森林回归（RFR）的特征选择

4.3 LSTM预测模型设计

4.3.1 LSTM模型输入输出设计

4.3.2 LSTM模型框架设计

4.3.3 LSTM模型预测与优化

4.4 常用时间序列预测模型及对比试验结果分析

4.4.1 差分自回归移动平均法（ARIMA）

4.4.2 支持向量回归算法（SVR）

4.4.3 BP神经网络（BPNN）

4.4.4 对比实验结果分析

4.5 本章小结

第5章 油液理化性能综合分析平台设计与实现

5.1 相关技术

5.1.1 C/S架构

5.1.2 PyQt工具包

5.2 功能需求

5.3 数据表设计

5.4 系统模块

5.4.1 登录注册模块

5.4.2 在线监测模块

5.4.3 离线数据分析模块

5.5 本章小结

第6章 总结与展望

6.1 研究总结

6.2 工作展望

致谢

参考文献

攻读硕士学位期间发表的论文和参与的科研项目