| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·旋转机械并发故障诊断技术的研究意义 | 第11-12页 |
| ·多重并发故障 | 第12-13页 |
| ·多重并发故障的特点 | 第12-13页 |
| ·旋转机械故障诊断技术现存的问题 | 第13页 |
| ·旋转机械并发故障诊断技术新进展 | 第13-17页 |
| ·并发故障的一般诊断方法 | 第13-16页 |
| ·基于人工免疫的故障诊断 | 第16-17页 |
| ·本论文的主要工作 | 第17-18页 |
| ·课题来源 | 第18-19页 |
| 第二章 旋转机械故障诊断原理与特征提取 | 第19-31页 |
| ·振动诊断 | 第19-20页 |
| ·测振传感器 | 第20页 |
| ·数据采集 | 第20页 |
| ·测振的前期准备 | 第20-22页 |
| ·选定测量参数 | 第21-22页 |
| ·选择监测点 | 第22页 |
| ·旋转机械典型故障 | 第22-26页 |
| ·转子不对中 | 第23页 |
| ·转子不平衡 | 第23-24页 |
| ·转子弯曲 | 第24-25页 |
| ·转轴裂纹 | 第25页 |
| ·齿轮箱故障 | 第25-26页 |
| ·旋转机组典型故障特征提取 | 第26-30页 |
| ·信号分析与处理 | 第26-28页 |
| ·特征提取 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于人工免疫系统的故障诊断技术 | 第31-44页 |
| ·人工免疫系统原理 | 第31-36页 |
| ·免疫识别 | 第32页 |
| ·免疫学习 | 第32-33页 |
| ·免疫记忆 | 第33-34页 |
| ·克隆选择 | 第34页 |
| ·免疫网络 | 第34-35页 |
| ·个体多样性 | 第35-36页 |
| ·人工免疫系统模型与算法 | 第36-38页 |
| ·人工免疫网络模型 | 第36-37页 |
| ·人工免疫系统应用框架模型 | 第37页 |
| ·免疫算法 | 第37-38页 |
| ·否定选择算法 | 第38页 |
| ·新型免疫网络学习算法 | 第38-43页 |
| ·抗体初始化 | 第39页 |
| ·亲和度计算 | 第39-40页 |
| ·抗体选择 | 第40页 |
| ·抗体克隆 | 第40-41页 |
| ·抗体学习 | 第41页 |
| ·抑制阈的选取 | 第41-42页 |
| ·新型免疫网络学习算法性能分析 | 第42-43页 |
| ·本章小节 | 第43-44页 |
| 第四章 人工免疫与支持向量机融合的故障诊断技术的研究 | 第44-54页 |
| ·支持向量机的故障诊断原理 | 第44-48页 |
| ·支持向量机理论概述 | 第44-45页 |
| ·SVM的二分类算法 | 第45-47页 |
| ·SVM的多类分类算法 | 第47-48页 |
| ·基于FH-SVM的多类分类算法 | 第48-51页 |
| ·基于H-SVM的多故障分类器 | 第48页 |
| ·基于FH-SVM的多故障分类器 | 第48-50页 |
| ·FH-SVM多故障分类器在并发故障中的应用 | 第50-51页 |
| ·诊断模型的评价 | 第51页 |
| ·基于无量纲的NINL-FHSVM故障诊断技术的研究 | 第51-53页 |
| ·本章小节 | 第53-54页 |
| 第五章 基于免疫向量机分类器的机组并发故障诊断技术实验 | 第54-71页 |
| ·实验平台介绍 | 第54-58页 |
| ·试验机组的构成 | 第54-56页 |
| ·振动数据采集系统 | 第56-58页 |
| ·并发故障故障诊断机理的探索 | 第58-66页 |
| ·单一故障无量纲指标分类处理 | 第58-61页 |
| ·二重并发故障机理 | 第61-66页 |
| ·基于无量纲指标的NINL-FHSVM并发故障诊断实验 | 第66-70页 |
| ·算法的参数设定 | 第66-67页 |
| ·单一故障诊断试验 | 第67-68页 |
| ·并发故障诊断实验 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 结论与展望 | 第71-73页 |
| ·工作总结 | 第71-72页 |
| ·存在的问题和展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文目录 | 第78页 |
