基于分形和支持向量机的机械设备故障诊断
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 导论 | 第9-15页 |
| ·机械设备故障诊断概述 | 第9-10页 |
| ·设备故障诊断技术的现状与发展趋势 | 第9-10页 |
| ·支持向量机与分形在故障诊断中的研究综述 | 第10-13页 |
| ·支持向量机在故障诊断中的研究 | 第10-12页 |
| ·分形方法在故障诊断中的应用 | 第12-13页 |
| ·基于分形和支持向量机的故障诊断实验方案综述 | 第13页 |
| ·本文的研究内容和结构安排 | 第13-15页 |
| 第二章 滚动轴承故障行为分析与信号采集 | 第15-32页 |
| ·滚动轴承的基本参数 | 第15-19页 |
| ·滚动轴承的基本结构 | 第15-16页 |
| ·滚动轴承的特征频率 | 第16-17页 |
| ·滚动轴承的固有振动频率 | 第17-19页 |
| ·滚动轴承的振动信号特征 | 第19-23页 |
| ·正常轴承的振动信号特征 | 第19-21页 |
| ·故障轴承的振动信号特征 | 第21-23页 |
| ·滚动轴承故障诊断实验设计 | 第23-31页 |
| ·滚动轴承故障模拟实验台简介 | 第23-25页 |
| ·振动信号测试系统 | 第25-27页 |
| ·实验台测点布置 | 第27-28页 |
| ·实验过程及振动信号的采集 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 滚动轴承信号的预处理 | 第32-42页 |
| ·消除滚动轴承信号的趋势项 | 第32-34页 |
| ·利用小波包分析进行轴承故障信号的降噪处理 | 第34-35页 |
| ·滚动轴承原始信号与预处理后信号的对比 | 第35-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于分形方法的特征向量的提取 | 第42-54页 |
| ·轴承振动信号的频谱分析 | 第42-44页 |
| ·基于分形的特征向量的提取 | 第44-53页 |
| ·分形原理概述 | 第44-45页 |
| ·分形维数及其计算方法 | 第45-49页 |
| ·基于分形的故障特征的提取 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 支持向量机回归方法用于滚动轴承故障诊断 | 第54-74页 |
| ·统计学习理论与支持向量机 | 第54-57页 |
| ·统计学习理论的基本思想 | 第55-57页 |
| ·支持向量机基本原理和算法 | 第57-65页 |
| ·支持向量机的基本原理 | 第58页 |
| ·支持向量机的回归算法 | 第58-65页 |
| ·支持向量机的参数选择 | 第65-69页 |
| ·参数C的选择 | 第65-66页 |
| ·参数ε的选择 | 第66-67页 |
| ·仿真实验 | 第67-69页 |
| ·基于支持向量机回归方法的滚动轴承故障诊断 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结和展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78-79页 |
| 读硕士学位期间发表的论文 | 第79页 |
