| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 故障诊断技术研究现状 | 第10-12页 |
| 1.2.2 数据挖掘方法在故障诊断领域的研究现状 | 第12-13页 |
| 1.3 研究目标和内容 | 第13-16页 |
| 1.3.1 研究目标 | 第13-14页 |
| 1.3.2 研究内容 | 第14-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 Fast AP 聚类算法 | 第17-36页 |
| 2.1 基于聚类算法的故障诊断方法 | 第17-18页 |
| 2.2 AP聚类算法 | 第18-22页 |
| 2.2.1 AP聚类算法 | 第18-20页 |
| 2.2.2 AP聚类算法性能分析 | 第20-21页 |
| 2.2.3 AP聚类算法的改进现状 | 第21-22页 |
| 2.3 FastAP 聚类算法 | 第22-26页 |
| 2.3.1 数据压缩阶段 | 第23-25页 |
| 2.3.2 FastAP 聚类算法 | 第25页 |
| 2.3.3 FastAP 聚类算法性能分析 | 第25-26页 |
| 2.4 FastAP 聚类算法的实现 | 第26-29页 |
| 2.5 实验分析 | 第29-35页 |
| 2.5.1 评价准则 | 第29-30页 |
| 2.5.2 实验环境和实验数据集 | 第30-32页 |
| 2.5.3 实验参数设置 | 第32页 |
| 2.5.4 实验结果分析 | 第32-35页 |
| 2.6 本章小节 | 第35-36页 |
| 第3章 基于 Fast AP 聚类算法的故障诊断 | 第36-57页 |
| 3.1 基于 Fast AP 聚类算法的故障诊断模型 | 第36-37页 |
| 3.2 故障特征提取 | 第37-47页 |
| 3.2.1 EEMD方法 | 第37-39页 |
| 3.2.2 近似熵理论 | 第39-41页 |
| 3.2.3 基于EEMD和近似熵的故障特征提取方法 | 第41页 |
| 3.2.4 实验平台、实验数据集和实验参数 | 第41-43页 |
| 3.2.5 实验结果分析 | 第43-47页 |
| 3.3 聚类分析 | 第47-52页 |
| 3.3.1 聚类分析过程 | 第47-49页 |
| 3.3.2 实验参数 | 第49页 |
| 3.3.3 实验结果分析 | 第49-52页 |
| 3.4 故障诊断 | 第52-56页 |
| 3.4.1 故障诊断过程 | 第52-55页 |
| 3.4.2 实验结果分析 | 第55-56页 |
| 3.5 本章小节 | 第56-57页 |
| 第4章 机械故障诊断系统的设计与实现 | 第57-69页 |
| 4.1 系统总体设计 | 第57-60页 |
| 4.1.1 系统框架结构 | 第57-58页 |
| 4.1.2 系统功能设计 | 第58-59页 |
| 4.1.3 系统开发工具 | 第59-60页 |
| 4.2 系统数据库设计 | 第60-62页 |
| 4.3 聚类分析功能 | 第62-64页 |
| 4.4 故障诊断功能 | 第64-65页 |
| 4.5 实例分析 | 第65-68页 |
| 4.6 本章小节 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间的科研成果 | 第75页 |