基于稀疏编码的设备状态识别及其重型轧辊磨床监测应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 表格索引 | 第12-13页 |
| 插图索引 | 第13-16页 |
| 第一章 绪论 | 第16-46页 |
| ·课题研究背景及意义 | 第16-19页 |
| ·研究背景 | 第16-18页 |
| ·研究意义 | 第18-19页 |
| ·基于状态的设备维护国内外研究现状 | 第19-37页 |
| ·数据获取 | 第20-21页 |
| ·数据处理 | 第21-32页 |
| ·设备状态识别 | 第32-37页 |
| ·数控机床状态监测及智能维护国内外研究现状 | 第37-39页 |
| ·本文研究目标、问题及研究思路 | 第39-43页 |
| ·研究目标 | 第39-40页 |
| ·重型数控轧辊磨床状态监测中存在的问题 | 第40-41页 |
| ·研究思路 | 第41-43页 |
| ·本文的章节安排 | 第43-46页 |
| 第二章 基于稀疏编码的特征提取 | 第46-70页 |
| ·引言 | 第46-47页 |
| ·稀疏编码 | 第47-51页 |
| ·稀疏编码模型 | 第47-48页 |
| ·系数求解 | 第48-49页 |
| ·字典学习 | 第49-51页 |
| ·移不变稀疏编码 | 第51-52页 |
| ·移不变稀疏编码模型 | 第51页 |
| ·移不变稀疏编码算法 | 第51-52页 |
| ·基于稀疏编码的振动信号分析 | 第52-59页 |
| ·轴承振动数据 | 第52-55页 |
| ·振动信号字典学习 | 第55页 |
| ·振动信号的稀疏编码分解与重构 | 第55-57页 |
| ·基于稀疏编码的人工轴承故障诊断 | 第57-59页 |
| ·基于稀疏编码的自适应特征提取框架 | 第59-62页 |
| ·基于稀疏编码的自适应特征提取实验验证 | 第62-65页 |
| ·轴承状态冗余字典的构造 | 第62页 |
| ·稀疏特征的计算 | 第62-64页 |
| ·稀疏特征的可分性验证 | 第64-65页 |
| ·轴承状态冗余字典的适应性验证 | 第65页 |
| ·讨论 | 第65-69页 |
| ·与其他方法的对比 | 第65-67页 |
| ·两个学习问题 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第三章 基于稀疏特征的设备状态可视化识别 | 第70-90页 |
| ·引言 | 第70-71页 |
| ·自组织映射 | 第71-74页 |
| ·学习过程 | 第72-73页 |
| ·数据可视化 | 第73-74页 |
| ·量化误差 | 第74页 |
| ·基于SC-SOM 的设备状态可视化识别 | 第74-81页 |
| ·SC-SOM 模型 | 第74-76页 |
| ·设备状态分布图 | 第76-79页 |
| ·异常检测 | 第79-80页 |
| ·SC-SOM 模型的更新机制 | 第80-81页 |
| ·实验验证 | 第81-86页 |
| ·SC-SOM 模型验证 | 第81-85页 |
| ·SC-SOM 模型的更新机制验证 | 第85-86页 |
| ·讨论 | 第86-88页 |
| ·与其他方法的比较 | 第86-87页 |
| ·两个流形学习方法 | 第87-88页 |
| ·本章小结 | 第88-90页 |
| 第四章 基于稀疏成分分析的信号盲分离技术 | 第90-108页 |
| ·引言 | 第90-91页 |
| ·基于稀疏成分分析的盲分离方法 | 第91-94页 |
| ·稀疏成分分析 | 第91-92页 |
| ·基于稀疏成分分析的盲源分离示例 | 第92-94页 |
| ·基于匹配追踪的单通道振动信号盲分离方法 | 第94-98页 |
| ·匹配追踪算法 | 第95-96页 |
| ·基于匹配追踪的单通道机械振动信号的盲分离 | 第96-98页 |
| ·实验验证 | 第98-105页 |
| ·早期故障状态下微弱瞬态振动信号的分离 | 第98-100页 |
| ·重型轧辊磨床状态监测中干扰振动源的排除 | 第100-105页 |
| ·讨论 | 第105-106页 |
| ·本章小结 | 第106-108页 |
| 第五章 重型数控轧辊磨床状态监测原型系统开发 | 第108-136页 |
| ·引言 | 第108-109页 |
| ·高档数控磨床与重型装备状态监测系统概述 | 第109-115页 |
| ·状态监测系统的建立原则 | 第109-111页 |
| ·状态监测系统总体架构 | 第111-113页 |
| ·系统开发路径 | 第113-114页 |
| ·重型数控轧辊磨床的失效模式与影响分析 | 第114-115页 |
| ·传感与数据采集方案 | 第115-119页 |
| ·传感器的优化布局与安装 | 第115-117页 |
| ·数据采集 | 第117-119页 |
| ·监测数据分析与状态识别模型构建 | 第119-130页 |
| ·空载条件下振动信号分析 | 第119-122页 |
| ·磨削加工条件下振动信号分析 | 第122-125页 |
| ·基于稀疏性的主轴回转系统状态识别模型 | 第125-126页 |
| ·基于稀疏性的主轴回转系统状态识别模型的应用 | 第126-130页 |
| ·重型轧辊磨床状态监测原型系统实现 | 第130-133页 |
| ·状态识别模型接口定义 | 第130-132页 |
| ·状态识别模型的更新机制 | 第132-133页 |
| ·系统应用情况及已取得的有益效果 | 第133页 |
| ·本章小结 | 第133-136页 |
| 第六章 总结与展望 | 第136-140页 |
| ·研究总结 | 第136-138页 |
| ·研究工作的主要创新点 | 第138页 |
| ·未来工作的展望 | 第138-140页 |
| 参考文献 | 第140-158页 |
| 致谢 | 第158-160页 |
| 攻读学位论文期间发表的学术论文目录 | 第160-164页 |
| 附件 | 第164页 |
