| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题来源、目的和意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 趋势预测技术的研究现状 | 第11页 |
| 1.2.2 故障诊断专家系统的研究现状 | 第11-12页 |
| 1.3 全信息分析方法的发展状况 | 第12-14页 |
| 1.3.1 全息谱分析方法 | 第13页 |
| 1.3.2 全频谱分析方法 | 第13页 |
| 1.3.3 全矢谱分析方法 | 第13-14页 |
| 1.4 本文的主要内容 | 第14-16页 |
| 2 全矢谱技术基本理论及算法 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 全矢谱技术的基本理论 | 第16-21页 |
| 2.3 全矢谱技术的数值计算方法 | 第21-23页 |
| 2.4 全矢谱技术的兼容性 | 第23-24页 |
| 2.5 全矢谱技术的应用实例 | 第24-26页 |
| 2.6 本章总结 | 第26-27页 |
| 3 基于全矢支持向量回归的状态趋势预测研究 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 支持向量回归的算法 | 第27-32页 |
| 3.2.1 线性回归及损失函数 | 第27-29页 |
| 3.2.2 基于 ε- 不敏感损失函数的支持向量回归 | 第29-31页 |
| 3.2.3 非线性回归的推广 | 第31-32页 |
| 3.3 支持向量回归在状态趋势预测中的研究 | 第32-35页 |
| 3.3.1 时间序列预测的方法 | 第32-33页 |
| 3.3.2 预测精度的评价指标 | 第33页 |
| 3.3.3 对汽轮机组振动通频值的趋势预测 | 第33-35页 |
| 3.4 全矢支持向量回归在状态趋势预测中的研究 | 第35-42页 |
| 3.4.1 全矢支持向量回归的预测流程 | 第35-36页 |
| 3.4.2 对汽轮机组振动全矢谱的预测及其参数分析 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于全矢谱的旋转机械故障诊断方法研究 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 征兆的表达、获取与处理方式 | 第43-47页 |
| 4.2.1 征兆的表达方式 | 第43-44页 |
| 4.2.2 征兆的获取方式 | 第44-45页 |
| 4.2.3 征兆的处理方式 | 第45-47页 |
| 4.3 基于全矢模糊变换的故障诊断方法 | 第47-50页 |
| 4.3.1 基于模糊变换的故障诊断方法 | 第47-48页 |
| 4.3.2 旋转机械常见故障的振动特征概述 | 第48-49页 |
| 4.3.3 基于全矢模糊变换的故障诊断方法 | 第49-50页 |
| 4.4 基于知识的故障诊断方法 | 第50-52页 |
| 4.4.1 知识的表示方法 | 第50-51页 |
| 4.4.2 系统的推理方法 | 第51-52页 |
| 4.5 推理控制策略 | 第52-54页 |
| 4.6 本章总结 | 第54-56页 |
| 5 旋转机械故障诊断专家系统的开发 | 第56-73页 |
| 5.1 引言 | 第56页 |
| 5.2 系统总体结构 | 第56-57页 |
| 5.3 系统数据库的设计 | 第57-62页 |
| 5.3.1 静态数据库表结构的设计 | 第57-60页 |
| 5.3.2 动态数据库表结构的设计 | 第60页 |
| 5.3.3 动态数据的集成 | 第60-62页 |
| 5.4 系统知识库及推理机的建立 | 第62-68页 |
| 5.4.1 征兆及故障的建立 | 第62-66页 |
| 5.4.2 规则及推理方法的建立 | 第66-67页 |
| 5.4.3 推理控制策略的建立 | 第67-68页 |
| 5.5 故障库的建立及维护 | 第68-69页 |
| 5.6 故障诊断报告的设计 | 第69-70页 |
| 5.7 系统运行示例 | 第70-72页 |
| 5.8 本章小结 | 第72-73页 |
| 6 结论和展望 | 第73-75页 |
| 6.1 结论 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第79页 |