| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状及发展趋势 | 第15-18页 |
| 1.3 论文主要内容以及创新点 | 第18-20页 |
| 1.4 论文结构框架 | 第20-22页 |
| 第二章 基于群体智能优化的VMD特征增强方法研究 | 第22-46页 |
| 2.1 变分模态分解算法原理及其存在的问题 | 第22-29页 |
| 2.1.1 变分模态分解算法原理 | 第22-25页 |
| 2.1.2 变分模态分解算法存在的问题 | 第25-29页 |
| 2.2 基于群体智能优化VMD算法的特征增强方法 | 第29-34页 |
| 2.2.1 灰狼优化算法 | 第29-32页 |
| 2.2.2 基于灰狼优化的VMD特征增强方法 | 第32-34页 |
| 2.3 改进VMD方法验证及结果分析 | 第34-45页 |
| 2.3.1 实验条件 | 第35-36页 |
| 2.3.2 实验结果与分析 | 第36-45页 |
| 2.4 本章小结 | 第45-46页 |
| 第三章 最优特征参数集的构建方法研究 | 第46-70页 |
| 3.1 时域特征和频域特征参数提取方法 | 第46-52页 |
| 3.1.1 时域特征参数提取方法 | 第46-48页 |
| 3.1.2 频域特征参数提取方法 | 第48-49页 |
| 3.1.3 时域和频域特征参数有效性分析 | 第49-52页 |
| 3.2 峭度谱熵 | 第52-56页 |
| 3.2.1 峭度谱熵特征参数提取方法 | 第52-53页 |
| 3.2.2 峭度谱熵特征参数有效性分析 | 第53-56页 |
| 3.3 Mel频率倒谱系数 | 第56-61页 |
| 3.3.1 Mel频率倒谱系数特征参数提取方法 | 第56-58页 |
| 3.3.2 MFCC特征参数有效性分析 | 第58-61页 |
| 3.4 最优特征参数集的构建 | 第61-68页 |
| 3.4.1 基于有监督封装型特征约简的最优特征参数集构建方法 | 第61-62页 |
| 3.4.2 方法验证及结果分析 | 第62-68页 |
| 3.5 本章小结 | 第68-70页 |
| 第四章 基于改进极限学习机的复合故障智能诊断方法研究 | 第70-88页 |
| 4.1 基于传统极限学习机的复合故障智能诊断 | 第70-75页 |
| 4.1.1 极限学习机原理 | 第71-72页 |
| 4.1.2 传统ELM方法实验分析 | 第72-75页 |
| 4.2 基于双并行极限学习机的复合故障智能诊断 | 第75-80页 |
| 4.2.1 双并行极限学习机原理 | 第75-77页 |
| 4.2.2 DP-ELM方法验证及结果分析 | 第77-80页 |
| 4.3 基于双并行双隐层极限学习机的复合故障智能诊断 | 第80-86页 |
| 4.3.1 双并行双隐层极限学习机原理 | 第80-82页 |
| 4.3.2 DPT-ELM方法验证及结果分析 | 第82-86页 |
| 4.4 DPT-ELM有效性验证分析 | 第86-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第五章 结论与展望 | 第88-90页 |
| 5.1 研究成果总结 | 第88-89页 |
| 5.2 后续研究展望 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 致谢 | 第94-96页 |
| 研究成果及发表的学术论文 | 第96-98页 |
| 作者和导师简介 | 第98-99页 |
| 硕士研究生学位论文答辩委员会决议书 | 第99-100页 |
