复杂机械基于数据的建模与故障诊断
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 概述 | 第13-23页 |
| ·研究背景与意义 | 第13页 |
| ·国内外研究情况综述 | 第13-20页 |
| ·论文的主要研究内容安排 | 第20-23页 |
| 第二章 数据非线性特性与相关性检验 | 第23-35页 |
| ·引言 | 第23页 |
| ·非线性检测方法研究 | 第23-32页 |
| ·多谱分析 | 第23-28页 |
| ·混沌运动特征 | 第28-30页 |
| ·线性和非线性的变化 | 第30-32页 |
| ·数据层面的信号相互关系 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 复杂机械系统测试数据分区与降维 | 第35-49页 |
| ·引言 | 第35页 |
| ·信号分区策略研究 | 第35-41页 |
| ·几何-物理空间描述 | 第35-37页 |
| ·数据分区 | 第37-39页 |
| ·基于自组织特征映射的数据分区 | 第39-41页 |
| ·数据集降维 | 第41-47页 |
| ·主元分析法 | 第41-42页 |
| ·主元分析的方差贡献率 | 第42-43页 |
| ·数据集降维分析的仿真研究 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 复杂机械系统实体的区域辨识模型 | 第49-75页 |
| ·引言 | 第49页 |
| ·辨识模型类型 | 第49-52页 |
| ·神经网络模型 | 第52-55页 |
| ·优化神经网络辨识能力 | 第55-70页 |
| ·选择神经网络模型结构 | 第55-58页 |
| ·延迟量的重要性及输入量和延迟量对辨识精度的影响 | 第58-62页 |
| ·隐层神经元个数对辨识精度和时间的影响 | 第62-65页 |
| ·隐层激活函数对辨识精度和训练时间的影响 | 第65-68页 |
| ·输入端数据数对精度和时间的影响 | 第68-70页 |
| ·神经网络模型确定性 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 优良特征提取和基于模型的特征分析 | 第75-89页 |
| ·引言 | 第75页 |
| ·优良特征提取方法研究 | 第75-80页 |
| ·扭振信号特征提取分析 | 第75-78页 |
| ·重排平滑伪Wigner-Ville 分布 | 第78-80页 |
| ·基于神经网络辨识模型的信号响应谱 | 第80-86页 |
| ·基于模型的系列正弦响应谱 | 第81-84页 |
| ·基于模型的系列脉冲响应谱 | 第84-86页 |
| ·本章小结 | 第86-89页 |
| 第六章 案例分析 | 第89-114页 |
| ·引言 | 第89页 |
| ·案例一：悬臂梁损伤检测 | 第89-98页 |
| ·案例二：风机故障诊断 | 第98-112页 |
| ·本章小结 | 第112-114页 |
| 第七章 结论和展望 | 第114-118页 |
| ·本文结论 | 第114-115页 |
| ·创新点 | 第115-116页 |
| ·今后工作的展望 | 第116-118页 |
| 参考文献 | 第118-125页 |
| 致谢 | 第125-126页 |
| 作者在攻读博士学位期间科研情况 | 第126-127页 |
