基于支持向量机和模糊神经网络的旋转机械故障诊断
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·旋转机械故障诊断研究的意义和目的 | 第9页 |
| ·旋转机械故障诊断研究的意义 | 第9页 |
| ·旋转机械故障诊断研究的目的 | 第9页 |
| ·国内外机械故障诊断技术的研究现状及发展趋势 | 第9-11页 |
| ·机械故障诊断技术的国内外研究现状 | 第9-10页 |
| ·机械故障诊断技术的发展趋势 | 第10-11页 |
| ·基于支持向量机的故障诊断的国内外研究现状 | 第11页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 第二章 旋转机械故障诊断实验系统及实验设计 | 第13-25页 |
| ·旋转机械故障实验平台 | 第13-17页 |
| ·数据采集系统 | 第17-21页 |
| ·实验设计 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 特征值的提取 | 第25-45页 |
| ·振动信号的处理 | 第25-29页 |
| ·信号处理的目的 | 第25页 |
| ·现代信号的处理方法 | 第25-29页 |
| ·本文使用的处理方法 | 第29页 |
| ·故障诊断中常用的特征值 | 第29-32页 |
| ·时域有量纲特征值 | 第29-30页 |
| ·时域无量纲特征值 | 第30-31页 |
| ·频域有量纲特征值 | 第31页 |
| ·频域无量纲特征值 | 第31-32页 |
| ·相关性分析及特征值的分布情况 | 第32-43页 |
| ·频域信号的相关性分析 | 第32-39页 |
| ·特征值的正态分布情况 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 支持向量机的旋转机械故障诊断 | 第45-65页 |
| ·引言 | 第45页 |
| ·支持向量机的基本理论 | 第45-51页 |
| ·支持向量机的基本思想 | 第45-46页 |
| ·支持向量机的理论基础 | 第46-51页 |
| ·支持向量机中的几种核函数 | 第51-52页 |
| ·支持向量机的多类分类算法 | 第52-54页 |
| ·一对一分类算法 | 第52页 |
| ·一对多分类算法 | 第52-53页 |
| ·DAG-SVM 分类算法 | 第53页 |
| ·二叉树支持向量机（H-SVM）多类分类算法 | 第53-54页 |
| ·旋转机械故障诊断的多类分类支持向量机的实现 | 第54-62页 |
| ·基于一对多分类算法的二叉树优先级确定 | 第54-55页 |
| ·二叉树多类分类算法 | 第55-56页 |
| ·应用研究 | 第56-62页 |
| ·本章小结 | 第62-65页 |
| 第五章 模糊神经网络的旋转机械故障诊断 | 第65-81页 |
| ·神经网络的基本理论 | 第65-71页 |
| ·人工神经元模型 | 第65-67页 |
| ·人工神经网络模型 | 第67-68页 |
| ·人工神经网络的学习机理 | 第68-71页 |
| ·模糊理论的基本理论 | 第71-74页 |
| ·模糊子集的定义和表示 | 第71页 |
| ·模糊子集的运算 | 第71-72页 |
| ·隶属函数的确定方法 | 第72-74页 |
| ·模糊系统和神经网络的结合 | 第74页 |
| ·模糊神经网络故障诊断模型 | 第74-77页 |
| ·故障诊断模型结构 | 第74-76页 |
| ·模糊神经网络模型 | 第76-77页 |
| ·逐次诊断的步骤 | 第77页 |
| ·诊断结果分析 | 第77-78页 |
| ·本章小结 | 第78-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89页 |
