基于支持向量机的汽轮机轴系振动故障智能诊断研究
| 中文摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-25页 |
| ·汽轮机组振动故障诊断研究的意义 | 第11-12页 |
| ·智能故障诊断的研究现状 | 第12-19页 |
| ·故障诊断的国内外发展概况 | 第12-13页 |
| ·常用的智能故障诊断技术简介 | 第13-18页 |
| ·基于案例的诊断方法 | 第14-15页 |
| ·基于专家系统的故障诊断 | 第15-16页 |
| ·模糊诊断方法 | 第16-17页 |
| ·基于故障树的诊断方法 | 第17页 |
| ·基于人工神经网络的诊断方法 | 第17-18页 |
| ·智能故障诊断的发展方向 | 第18-19页 |
| ·智能故障诊断中的机器学习 | 第19-23页 |
| ·机器学习的发展概况 | 第19-21页 |
| ·统计学习理论与支持向量机 | 第21-22页 |
| ·支持向量机在故障诊断领域的研究现状 | 第22-23页 |
| ·本文的研究内容与结构 | 第23-25页 |
| ·研究内容 | 第23页 |
| ·论文结构 | 第23-25页 |
| 第二章 统计学习理论与支持向量机原理 | 第25-45页 |
| ·引言 | 第25-26页 |
| ·机器学习 | 第26-33页 |
| ·机器学习的模型 | 第26-28页 |
| ·经验风险最小化原则 | 第28-29页 |
| ·机器学习的复杂性与推广能力 | 第29-30页 |
| ·机器学习的策略 | 第30-32页 |
| ·面向概念的符号学习 | 第31页 |
| ·人工神经网络学习 | 第31页 |
| ·基于统计的学习 | 第31-32页 |
| ·混合型学习 | 第32页 |
| ·机器学习的方法 | 第32-33页 |
| ·统计学习理论 | 第33-37页 |
| ·VC 维 | 第34页 |
| ·推广能力的界 | 第34-36页 |
| ·结构风险最小化原则 | 第36-37页 |
| ·支持向量机 | 第37-44页 |
| ·最优分类超平面 | 第38-40页 |
| ·支持向量机的分类算法 | 第40-43页 |
| ·线性可分的支持向量机分类 | 第40-41页 |
| ·线性不可分的支持向量机分类 | 第41-42页 |
| ·支持向量机的核函数 | 第42-43页 |
| ·支持向量机在智能故障诊断中的应用 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第三章 故障特征的提取和选择 | 第45-56页 |
| ·特征提取的基本概念 | 第45-50页 |
| ·特征的特点 | 第45-46页 |
| ·特征提取和选择 | 第46-47页 |
| ·基于距离可分性判据的特征提取 | 第47-49页 |
| ·特征选择方法 | 第49-50页 |
| ·主分量分析 | 第50-53页 |
| ·主分量分析的基本思路 | 第50-51页 |
| ·主分量的特性 | 第51-52页 |
| ·基于主分量分析的特征提取算法实现 | 第52-53页 |
| ·K-L 变换方法的改进 | 第53页 |
| ·基于核函数的特征提取方法 | 第53-55页 |
| ·核函数方法的基本思想 | 第53-54页 |
| ·基于核函数的主分量分析算法 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第四章 支持向量机的算法分析 | 第56-71页 |
| ·引言 | 第56-57页 |
| ·基于支持向量机的振动故障分类 | 第57-60页 |
| ·支持向量机分类模型 | 第57-58页 |
| ·多分类器的结构 | 第58-59页 |
| ·支持向量机多分类器的实现 | 第59-60页 |
| ·基于支持向量回归的振动故障诊断 | 第60-64页 |
| ·支持向量回归 | 第60-61页 |
| ·支持向量回归的算法 | 第61-62页 |
| ·支持向量回归算法的改进 | 第62-64页 |
| ·仿真分析 | 第64-70页 |
| ·拟合性能分析 | 第64-67页 |
| ·预测性能分析 | 第67-70页 |
| ·小结 | 第70-71页 |
| 第五章 汽轮机故障诊断实例 | 第71-81页 |
| ·汽轮机振动故障特征提取实例 | 第71-75页 |
| ·汽轮机振动故障诊断方法 | 第71-72页 |
| ·基于主分量分析的汽轮机振动故障特征提取 | 第72-75页 |
| ·故障描述 | 第72页 |
| ·故障特征提取 | 第72-75页 |
| ·故障处理 | 第75页 |
| ·汽轮机故障多分类 | 第75-77页 |
| ·支持向量回归分析 | 第77-80页 |
| ·运算性能分析 | 第77-78页 |
| ·回归分析 | 第78-80页 |
| ·小结 | 第80-81页 |
| 第六章 汽轮机组故障诊断系统设计 | 第81-100页 |
| ·引言 | 第81-82页 |
| ·汽轮机组诊断系统结构 | 第82-84页 |
| ·故障诊断软件包 | 第84-99页 |
| ·用户管理 | 第84-85页 |
| ·数据库文件操作 | 第85页 |
| ·振动数据的图形显示与分析 | 第85-90页 |
| ·振动故障诊断模块 | 第90-96页 |
| ·转子动平衡 | 第96-98页 |
| ·基于支持向量机的趋势分析 | 第98-99页 |
| ·小结 | 第99-100页 |
| 第七章 结论与展望 | 第100-102页 |
| ·论文工作总结 | 第100-101页 |
| ·研究展望 | 第101-102页 |
| 参考文献 | 第102-111页 |
| 致谢 | 第111-112页 |
| 个人简历、在学期间参加的科研工作及学术论文发表 | 第112-113页 |
