1  绪论
  1.1  滚动轴承健康管理技术研究的必要性
    1.1.1  研究需求分析
    1.1.2  研究意义分析
  1.2  全生命周期概述
    1.2.1  全生命周期管理的内涵
    1.2.2  全生命周期管理的发展过程
    1.2.3  全生命周期管理的主要研究内容
  1.3  机械设备健康管理的研究现状及发展趋势
    1.3.1  机械设备健康管理的主要研究内容
    1.3.2  机械设备维护方式的发展
    1.3.3  机械设备健康管理的主要技术
  1.4  滚动轴承健康管理的研究现状与发展趋势
    1.4.1  滚动轴承健康管理的主要研究内容
    1.4.2  滚动轴承健康管理的主要研究方法
    1.4.3  滚动轴承健康管理存在的问题和发展趋势
2  滚动轴承全生命周期健康管理模式与体系结构
  2.1  全生命周期的健康管理模式研究
    2.1.1  全生命周期的基本理论
    2.1.2  全生命周期的设备健康管理模式研究
  2.2  面向服务的滚动轴承健康管理的关键技术
    2.2.1  状态监测与预测评估技术
    2.2.2  故障诊断技术
    2.2.3  滚动轴承技术服务支持
  2.3  滚动轴承全生命周期的健康管理系统体系结构
    2.3.1  系统的体系功能结构
    2.3.2  系统的概念模型
3  滚动轴承基本机理和健康管理相关技术及算法
  3.1  滚动轴承的基本构造与振动机理
    3.1.1  滚动轴承的基本构造
    3.1.2  滚动轴承的振动机理分析
  3.2  滚动轴承的失效类型、频率分析及健康判别方法
    3.2.1  滚动轴承的常见失效类型
    3.2.2  滚动轴承振动特征频率
    3.2.3  滚动轴承常见健康判别评估方法
  3.3  大数据基本理论
    3.3.1  大数据及大数据技术
    3.3.2  大数据及其工具应用现状
    3.3.3  Spark大数据平台
  3.4  轴承健康管理模型所用主要算法基本原理
    3.4.1  飞鼠搜索算法
    3.4.2  支持向量机
    3.4.3  XGBoost
    3.4.4  一维卷积神经网络
    3.4.5  深度残差收缩网络
    3.4.6  随机森林理论
    3.4.7  长短期记忆理论
    3.4.8  网格搜索优化
  3.5  实验仿真环境与数据来源
    3.5.1  凯斯西储滚动轴承故障数据集
    3.5.2  SpectraQuest滚动轴承故障数据集
    3.5.3  辛辛那提大学滚动轴承全寿命周期数据
4  信号处理和特征提取过程
  4.1  信号降噪处理
    4.1.1  局部均值分解过程
    4.1.2  LMD+FPA联合降噪过程
    4.1.3  变分模态分解过程
    4.1.4  SSA优化VMD重要参数过程
  4.2  特征提取过程
    4.2.1  时域特征指标的提取
    4.2.2  频域特征指标的提取
    4.2.3  熵特征指标的提取
  4.3  信号降噪和主成分计算过程
    4.3.1  主成分计算算法构建流程
    4.3.2  核函数参数的选择
    4.3.3  LMD+FPA联合KPCA特征提取过程
    4.3.4  自适应VMD联合KPCA特征提取过程
5  滚动轴承故障诊断模型
  5.1  轴承故障类型
  5.2  一维深度残差收缩网络模型
  5.3  SVM的参数寻优过程
    5.3.1  多分类支持向量机
    5.3.2  SVM模型的输入参数
    5.3.3  GS-PSO参数寻优过程
    5.3.4  SSA参数寻优过程
  5.4  基于SSA-SVM的轴承故障诊断模型
  5.5  基于改进XGBoost的轴承故障诊断模型
  5.6  基于一维深度残差收缩网络的滚动轴承故障诊断模型
  5.7  故障诊断实验仿真与分析
    5.7.1  SSA-SVM故障诊断模型仿真分析
    5.7.2  改进XGBoost故障诊断模型仿真分析
    5.7.3  一维深度残差收缩网络故障诊断模型仿真分析
6  滚动轴承的健康状态评估与剩余寿命预测模型
  6.1  LSTM 内部单元机制
    6.1.1  LSTM门控制循环单元
    6.1.2  LSTM记忆细胞单元
    6.1.3  LSTM隐藏状态
  6.2  基于SSA-SVM的滚动轴承健康状态评估模型
    6.2.1  滚动轴承健康状态划分
    6.2.2  健康评估评价指标
    6.2.3  滚动轴承健康状态评估模型构建流程
  6.3  基于多层网格搜索的RF-LSTM的滚动轴承剩余寿命预测模型
  6.4  状态评估与剩余寿命预测实验仿真与分析
    6.4.1  SSA-SVM健康状态评估仿真分析
    6.4.2  多层网格搜索的RF-LSTM的剩余寿命预测仿真分析
参考文献