首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--转动机件论文--轴承论文

基于主元分析法与支持向量机的轴承诊断系统设计与实现

摘要第4-5页
Abstract第5页
第1章 绪论第9-15页
    1.1 论文研究背景与意义第9-10页
    1.2 滚动轴承故障诊断技术综述第10-11页
        1.2.1 轴承诊断技术的国内外现状第10页
        1.2.2 滚动轴承故障诊断的流程第10-11页
    1.3 小波分析与特征选择在滚动轴承诊断应用现状第11-12页
        1.3.1 小波理论的发展现状第11-12页
        1.3.2 特征选择在故障诊断中的应用现状第12页
    1.4 支持向量机理论的发展及研究方向第12-13页
        1.4.1 支持向量机的国内外故障诊断识别应用领域发展第12-13页
        1.4.2 支持向量机的研究方向第13页
    1.5 本文主要工作第13-15页
第2章 滚动轴承故障机理与关键技术第15-21页
    2.1 滚动轴承的基本结构与故障原理第15-16页
        2.1.1 滚动轴承主要的基本结构第15页
        2.1.2 滚动轴承故障产生原理第15-16页
    2.2 基于振动信号的滚动轴承故障诊断技术第16-17页
        2.2.1 信号时域分析的特征提取方法第17页
        2.2.2 信号的时频分析特征提取方法第17页
    2.3 小波包理论第17-18页
    2.4 特征选择与主元分析法第18-19页
        2.4.1 特征选择第18页
        2.4.2 主元分析法第18-19页
    2.5 支持向量机第19-20页
    2.6 系统实现技术简要介绍第20页
    2.7 本章小结第20-21页
第3章 基于PCA-PSO-SVM故障诊断算法研究第21-39页
    3.1 基于小波包和时域分析的特征提取方法第21-25页
        3.1.1 时域特征提取第21-23页
        3.1.2 小波包提取能量特征第23-25页
    3.2 实验基于本文方法提取故障特征值第25-28页
        3.2.1 实验数据说明第25-26页
        3.2.2 实验提取特征值第26-28页
    3.3 基于PCA-PSO-SVM的滚动轴承故障诊断研究第28-34页
        3.3.1 PCA-PSO-SVM的原理第28-29页
        3.3.2 主元分析法在轴承故障判断中的应用第29-31页
        3.3.3 粒子群寻优技术在轴承故障判断问题中的应用第31-33页
        3.3.4 SVM在轴承故障判别问题中的应用第33-34页
    3.4 实验仿真第34-37页
        3.4.1 样本测试数据第34-35页
        3.4.2 滚动轴承故障诊断实验第35-37页
    3.5 本章小结第37-39页
第4章 基于PCA-PSO-SVM的滚动轴承故障诊断系统设计第39-55页
    4.1 需求分析第39-41页
        4.1.1 系统概述第39页
        4.1.2 系统的主要目标第39-40页
        4.1.3 功能需求第40-41页
    4.2 系统的总体设计第41-45页
        4.2.1 系统的架构设计方案第41-42页
        4.2.2 系统的详细设计第42-45页
    4.3 系统的数据库设计第45-50页
        4.3.1 数据库结构设计第45-46页
        4.3.2 数据库的实体模型设计第46-47页
        4.3.3 数据库表的设计第47-50页
    4.4 系统的逻辑结构设计第50-54页
        4.4.1 系统整体的逻辑结构第50-51页
        4.4.2 系统的持久层第51页
        4.4.3 系统的业务逻辑层第51-52页
        4.4.4 系统的表示层第52-53页
        4.4.5 整体基本业务流程第53-54页
    4.5 本章小结第54-55页
第5章 系统的实现与测试第55-67页
    5.1 Matlab与Java混合编程第55-56页
        5.1.1 JavaBuilder技术第55页
        5.1.2 具体应用过程第55-56页
    5.2 部分核心模块实现与测试第56-66页
        5.2.1 数据上传第56-58页
        5.2.2 图谱分析第58-60页
        5.2.3 故障识别第60-62页
        5.2.4 关键功能测试第62-66页
    5.3 本章小结第66-67页
结论第67-69页
参考文献第69-73页
攻读硕士学位期间取得的研究成果第73-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:基于物联网云平台的智能电伴热控制系统设计
下一篇:基于故障数据的叉车可靠性分析与评价