基于全信息的机械故障特征提取方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的来源、目的及意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·课题的提出及意义 | 第9-10页 |
| ·国内外发展概况 | 第10-14页 |
| ·信息融合技术 | 第10-11页 |
| ·全信息分析技术 | 第11-12页 |
| ·数据挖掘技术 | 第12-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本章小节 | 第15-16页 |
| 第二章 基于同源信息融合的全矢谱理论 | 第16-25页 |
| ·概述 | 第16页 |
| ·全矢谱理论 | 第16-23页 |
| ·理论基础 | 第16-19页 |
| ·数值计算 | 第19-21页 |
| ·轴心轨迹描述 | 第21页 |
| ·实例应用 | 第21-23页 |
| ·矢功率谱的定义及其算法 | 第23-24页 |
| ·矢功率谱的定义 | 第23页 |
| ·数值计算 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 旋转机械常见故障类型及其振动特征 | 第25-31页 |
| ·前言 | 第25页 |
| ·设备故障分类 | 第25-26页 |
| ·旋转机械常见故障的特征分析 | 第26-30页 |
| ·转子质量不平衡 | 第27页 |
| ·转子不对中 | 第27-28页 |
| ·转子弓形弯曲 | 第28页 |
| ·油膜涡动 | 第28页 |
| ·油膜振荡 | 第28-29页 |
| ·喘振 | 第29页 |
| ·支撑系统联接松动 | 第29页 |
| ·转子碰摩 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于矢谱和粗糙集理论的故障特征提取 | 第31-45页 |
| ·前言 | 第31页 |
| ·粗糙集理论基础 | 第31-34页 |
| ·知识与知识库 | 第31页 |
| ·信息系统与信息表 | 第31-32页 |
| ·不确定关系和不确定范畴 | 第32-33页 |
| ·知识约简和核 | 第33-34页 |
| ·可辨识矩阵 | 第34页 |
| ·决策规则 | 第34页 |
| ·基于粗糙集的数据处理 | 第34-38页 |
| ·数据预处理 | 第35页 |
| ·属性约简的信息熵表示 | 第35-36页 |
| ·属性约简算法 | 第36-38页 |
| ·基于矢谱-粗糙集的特征提取实例分析 | 第38-44页 |
| ·利用矢谱技术得到特征值 | 第38-39页 |
| ·特征值离散化 | 第39-40页 |
| ·属性约简 | 第40-41页 |
| ·规则约简 | 第41-42页 |
| ·实验与分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于矢谱和蚁群算法的故障特征提取 | 第45-57页 |
| ·前言 | 第45页 |
| ·蚁群算法的数学模型 | 第45-47页 |
| ·蚁群算法的模型特征 | 第45页 |
| ·基本算法描述 | 第45-47页 |
| ·蚁群算法的改进 | 第47-48页 |
| ·蚁群系统-ACS | 第47-48页 |
| ·基于等级的蚁群系统 | 第48页 |
| ·最大最小蚂蚁系统-MMAS | 第48页 |
| ·蚁群算法中参数的选择 | 第48-49页 |
| ·基于改进蚁群算法的故障特征提取 | 第49-53页 |
| ·构建有向图及问题解的表示 | 第49-50页 |
| ·建立适应度函数 | 第50-51页 |
| ·算法设计 | 第51-53页 |
| ·蚁群算法的具体实现 | 第53页 |
| ·应用实例 | 第53-56页 |
| ·基于矢谱分析的样本数据 | 第53-54页 |
| ·蚁群算法参数配置 | 第54-55页 |
| ·用分类器作为适应度函数的特征提取结果及分析 | 第55页 |
| ·蚁群算法与粗糙集理论相结合的特征提取结果分析 | 第55-56页 |
| ·本章小节 | 第56-57页 |
| 第六章 结论及展望 | 第57-59页 |
| ·本文工作及创新点 | 第57-58页 |
| ·本文主要工作及结论 | 第57-58页 |
| ·本文创新点 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间参与的科研项目和发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
