| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 插图索引 | 第9-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-21页 |
| ·课题来源 | 第12页 |
| ·研究背景及意义 | 第12页 |
| ·研究现状 | 第12-17页 |
| ·故障诊断技术研究现状 | 第12-14页 |
| ·小波分析和支持向量机研究现状 | 第14-17页 |
| ·课题研究内容 | 第17-19页 |
| ·论文结构 | 第19-21页 |
| 第2章 基于WPT的特征信号分析 | 第21-37页 |
| ·小波理论 | 第21-26页 |
| ·频带调整的单子带小波包重构算法 | 第26-28页 |
| ·小波变换的时频特性 | 第28-29页 |
| ·小波用于特征分析 | 第29-32页 |
| ·振动信号去噪 | 第29-30页 |
| ·振动信号特征提取 | 第30-32页 |
| ·仿真研究 | 第32-36页 |
| ·时、频和小波域分析 | 第32-33页 |
| ·小波去噪 | 第33-35页 |
| ·小波包特征提取 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于DDT的特征向量筛选 | 第37-41页 |
| ·距离区分技术 | 第37-39页 |
| ·仿真研究 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 FTASVM算法和故障状态识别 | 第41-58页 |
| · | 第41-43页 |
| ·统计学理论 | 第41页 |
| ·VC维与推广性界 | 第41-42页 |
| ·风险最小化原则 | 第42-43页 |
| ·标准SVM模型 | 第43-48页 |
| ·最优分类面 | 第43-45页 |
| ·广义最优分类面 | 第45-47页 |
| ·KKT条件 | 第47-48页 |
| ·传统多分类方法 | 第48-52页 |
| ·一对多分类算法 | 第48-49页 |
| ·一对一多分类算法 | 第49页 |
| ·决策有向无环多分类算法 | 第49-50页 |
| ·二叉树多分类算法 | 第50-51页 |
| ·自适应二叉树分类算法 | 第51-52页 |
| ·改进的FTASVM多分类算法 | 第52-55页 |
| ·预测速度 | 第52页 |
| ·自适应性 | 第52-55页 |
| ·实验分析 | 第55-57页 |
| ·容错度因子对FTASVM的影响 | 第55-56页 |
| ·增量学习算法对分类精度的影响 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 WPT-DDT-SVM用于混凝土泵车液压泵故障诊断 | 第58-62页 |
| ·实验对象 | 第58-59页 |
| ·整体设计 | 第59页 |
| ·开发工具简介 | 第59-60页 |
| ·对比实验与分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读学位期间主要研究成果 | 第67页 |