基于频谱特征的故障预测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10页 |
| 1.2 设备故障预测研究意义 | 第10-11页 |
| 1.3 设备故障预测研究现状 | 第11-13页 |
| 1.3.1 故障预测的含义及分类 | 第11-12页 |
| 1.3.2 故障预测国内外研究现状 | 第12-13页 |
| 1.3.3 故障预测特征的选取 | 第13页 |
| 1.4 信息融合技术的发展状况 | 第13-15页 |
| 1.4.1 全息谱技术 | 第14页 |
| 1.4.2 全频谱技术 | 第14页 |
| 1.4.3 全矢谱技术 | 第14-15页 |
| 1.5 本文的研究目的和意义 | 第15页 |
| 1.6 本文主要内容与结构 | 第15-17页 |
| 1.6.1 主要研究内容 | 第15-16页 |
| 1.6.2 本文结构安排 | 第16-17页 |
| 2 基于全矢MEMD的滚动轴承特征提取方法 | 第17-32页 |
| 2.1 引言 | 第17页 |
| 2.2 全矢谱技术的基本理论 | 第17-22页 |
| 2.3 全矢谱的数值算法 | 第22-24页 |
| 2.4 多维经验模态分解算法 | 第24-25页 |
| 2.4.1 多维经验模态分解基本理论 | 第24页 |
| 2.4.2 多维经验模态分解仿真分析 | 第24-25页 |
| 2.5 全矢MEMD算法流程 | 第25-26页 |
| 2.6 全矢MEMD仿真和实例分析 | 第26-31页 |
| 2.6.1 全矢MEMD仿真分析 | 第26-28页 |
| 2.6.2 全矢MEMD实例分析 | 第28-31页 |
| 2.7 本章小结 | 第31-32页 |
| 3 极限学习机 | 第32-37页 |
| 3.1 引言 | 第32页 |
| 3.2 极限学习机方法概述 | 第32-34页 |
| 3.3 极限学习机回归分析仿真 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 相空间重构 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 一维相空间重构 | 第37-39页 |
| 4.2.1 Takens嵌入定理 | 第37-38页 |
| 4.2.2 基于神经网络的相空间重构预测方法 | 第38-39页 |
| 4.3 多维相空间重构 | 第39-40页 |
| 4.3.1 多维相空间重构模型 | 第39页 |
| 4.3.2 基于ELM的多变量相空间重构预测方法 | 第39-40页 |
| 4.4 仿真分析 | 第40-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 基于相空间重构与极限学习机的滚动轴承频谱预测 | 第45-55页 |
| 5.1 引言 | 第45页 |
| 5.2 预测方法流程 | 第45-46页 |
| 5.3 实例分析 | 第46-53页 |
| 5.4 本章小结 | 第53-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 本文总结 | 第55页 |
| 6.2 关键技术和创新点 | 第55-56页 |
| 6.3 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第62页 |
