基于人工蜂群算法优化支持向量机的柴油机故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·课题研究的背景和意义 | 第10-12页 |
| ·课题研究的背景 | 第10页 |
| ·课题研究的意义 | 第10-12页 |
| ·柴油机故障诊断的国内外研究现状及发展趋势 | 第12-15页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13页 |
| ·发展趋势 | 第13-15页 |
| ·人工蜂群算法和支持向量机的研究现状 | 第15-16页 |
| ·人工蜂群算法研究现状 | 第15页 |
| ·支持向量机研究现状 | 第15-16页 |
| ·论文写作安排及主要研究内容 | 第16-18页 |
| 2 柴油机基本构造与故障机理分析 | 第18-27页 |
| ·柴油机基本构造 | 第18-20页 |
| ·柴油机工作过程 | 第20-22页 |
| ·柴油机故障类型、产生原因及消除办法 | 第22-26页 |
| ·本章总结 | 第26-27页 |
| 3 支持向量机概述 | 第27-38页 |
| ·理论基础——统计学理论 | 第27-32页 |
| ·机器学习的基本理论 | 第27-29页 |
| ·统计学理论的核心内容 | 第29-32页 |
| ·支持向量机分类 | 第32-37页 |
| ·线性可分最优超平面支持向量机 | 第32-34页 |
| ·非线性支持向量机 | 第34-35页 |
| ·核函数选择 | 第35-37页 |
| ·支持向量机优缺点 | 第37页 |
| ·本章总结 | 第37-38页 |
| 4 柴油机振动信号采集与处理 | 第38-71页 |
| ·柴油机振动信号采集实验 | 第39-44页 |
| ·实验平台搭建及所需信号采集装置 | 第39页 |
| ·柴油机测点布置与故障设置 | 第39-43页 |
| ·柴油机振动信号采样频率设置与信号采集 | 第43-44页 |
| ·信号处理 | 第44-70页 |
| ·小波分析理论 | 第46-49页 |
| ·信号小波去噪简述 | 第49-50页 |
| ·小波去噪方法与评价指标 | 第50-52页 |
| ·信号小波去噪具体实现 | 第52-67页 |
| ·信号特征值提取与能量谱分析 | 第67-70页 |
| ·本章总结 | 第70-71页 |
| 5 人工蜂群算法优化支持向量的柴油机故障诊断 | 第71-85页 |
| ·基本人工蜂群算法实现步骤 | 第71-72页 |
| ·改进人工蜂群算法 | 第72-73页 |
| ·改进人工蜂群算法优化支持向量机的参数选择 | 第73-75页 |
| ·柴油机故障分类 | 第75-83页 |
| ·诊断样本 | 第75-77页 |
| ·改进人工蜂群算法优化支持向量机的柴油机故障识别 | 第77-83页 |
| ·本章总结 | 第83-85页 |
| 6 总结与展望 | 第85-87页 |
| ·论文工作总结 | 第85-86页 |
| ·柴油机故障诊断研究展望 | 第86-87页 |
| 参考文献 | 第87-94页 |
| 攻读硕士学位期间发表的论文 | 第94-95页 |
| 致谢 | 第95-96页 |
