第1章 緒論 1.1 研究背景與意義 1.2 國內外電梯故障診斷與預判研究現狀 1.3 主要研究內容及結構安排 第2章 電梯關鍵零部件性能退化狀態確定 2.1 引言 2.2 經典K-means算法 2.3 K-means聚類算法的參數及其改進 2.4 曳引機試驗 2.5 本章小結 第3章 自適應故障識別 3.1 引言 3.2 自適應識別方法 3.3 實驗驗證 3.4 本章小結 第4章 零樣本學習的電梯故障診斷 4.1 引言 4.2 自適應生成網絡 4.3 電梯模擬實驗與分析 4.4 本章小結 第5章 單分類自適應多工況電梯異常狀態檢測 5.1 引言 5.2 基本原理 5.3 實驗及分析 5.4 本章小結 第6章 基于量子遺傳算法和LSTM算法的改進PF算法電梯關鍵零部件剩余使用壽命預測 6.1 引言 6.2 基本原理 6.3 實驗及分析 6.4 本章小結 第7章 基于改進LSTM算法的多工況電梯關鍵零部件剩余使用壽命預測 7.1 引言 7.2 數據預處理 7.3 深度預測網絡 7.4 剩余使用壽命預測方法 7.5 實驗驗證 7.6 本章小結 第8章 多工況多故障模式電梯曳引機剩余使用壽命遷移預測 8.1 引言 8.2 一維時間序列數據的構建 8.3 動態對抗域自適應遷移網絡 8.4 實驗驗證 8.5 本章小結 第9章 跨工況自適應剩余使用壽命預測 9.1 引言 9.2 自適應遷移剩余使用壽命預測網絡 9.3 曳引機剩余使用壽命預測實驗驗證 9.4 軸承剩余使用壽命預測實驗驗證 9.5 本章小結 第10章 基于變分編碼的小樣本聯邦遷移故障診斷 10.1 引言 10.2 聯邦遷移診斷問題描述 10.3 基本原理 10.4 方法 10.5 實驗及分析 10.6 本章小結 第11章 總結與展望 11.1 總結 11.2 展望 參考文獻