转子匹配追踪信息熵故障诊断研究
摘要 | 第1-5页 |
Abstract | 第5-11页 |
1 绪论 | 第11-20页 |
·课题研究的背景及意义 | 第11-13页 |
·故障诊断国内外发展状况 | 第13-14页 |
·转子故障诊断内容 | 第14-15页 |
·故障机理研究 | 第14页 |
·信号处理技术研究 | 第14-15页 |
·故障识别技术研究 | 第15页 |
·匹配追踪算法理论与发展 | 第15-16页 |
·信息熵理论研究背景 | 第16-17页 |
·故障诊断过程 | 第17-18页 |
·本文主要工作及创新点 | 第18-19页 |
·本章小结 | 第19-20页 |
2 转子常见故障机理研究 | 第20-32页 |
·转子不平衡故障 | 第20-22页 |
·故障简介 | 第20-21页 |
·不平衡故障原因 | 第21页 |
·不平衡故障特性分析 | 第21-22页 |
·转子不对中故障 | 第22-23页 |
·故障简介 | 第22页 |
·不对中故障原因分析 | 第22-23页 |
·不对中故障特性分析 | 第23页 |
·转子碰磨 | 第23-25页 |
·故障简介 | 第23-24页 |
·碰磨故障原因分析 | 第24-25页 |
·转子碰磨故障特性分析 | 第25页 |
·油膜涡动/油膜振荡 | 第25-26页 |
·故障简介 | 第25-26页 |
·故障特性分析 | 第26页 |
·故障实验 | 第26-31页 |
·实验条件 | 第26-27页 |
·实验设计 | 第27-28页 |
·不平衡实验 | 第28-29页 |
·不对中实验 | 第29页 |
·转子碰磨实验 | 第29-30页 |
·油膜涡动 | 第30-31页 |
·本章小结 | 第31-32页 |
3 匹配追踪算法研究 | 第32-44页 |
·稀疏分解理论 | 第32-34页 |
·稀疏分解的基本概念 | 第32-33页 |
·过完备原子库 | 第33-34页 |
·匹配追踪算法 | 第34-41页 |
·匹配追踪算法原理 | 第34-36页 |
·匹配追踪算法缺陷 | 第36页 |
·匹配追踪遗传算法优化 | 第36-38页 |
·匹配追踪差分进化算法优化 | 第38-40页 |
·迭代终止条件 | 第40-41页 |
·仿真信号分析 | 第41-43页 |
·本章小结 | 第43-44页 |
4 信息熵 | 第44-56页 |
·信息融合理论 | 第44-46页 |
·信息融合概念和背景 | 第44-45页 |
·信息融合分类 | 第45-46页 |
·信息熵内容 | 第46-48页 |
·信息熵定义 | 第47页 |
·信息熵性质 | 第47-48页 |
·信息熵介绍 | 第48-50页 |
·奇异谱熵 | 第48-49页 |
·功率谱熵 | 第49-50页 |
·融合熵矩原理 | 第50-53页 |
·稳速融合熵矩 | 第51页 |
·过程融合熵矩原理 | 第51-52页 |
·诊断原理 | 第52-53页 |
·匹配追踪算法对信息熵提取的必要性 | 第53-55页 |
·本章小结 | 第55-56页 |
5 融合熵矩在转子故障诊断的应用 | 第56-64页 |
·过程融合熵矩故障诊断 | 第57-61页 |
·过程融合熵矩标样提取 | 第57-58页 |
·过程融合熵差矩提取 | 第58-60页 |
·故障诊断 | 第60-61页 |
·稳速融合熵矩故障诊断 | 第61-62页 |
·稳速融合熵矩标样提取 | 第61页 |
·稳速融合熵差矩提取 | 第61-62页 |
·故障诊断 | 第62页 |
·融合熵矩故障诊断方法的不足 | 第62-63页 |
·本章小结 | 第63-64页 |
6 支持向量机在转子故障诊断的应用 | 第64-74页 |
·统计学习理论 | 第64-67页 |
·VC维 | 第64-65页 |
·推广性界 | 第65-66页 |
·结构风险最小化 | 第66-67页 |
·支持向量机 | 第67-69页 |
·线性条件 | 第67-68页 |
·非线性可分情形 | 第68-69页 |
·DE算法SVM参数优化 | 第69-70页 |
·SVM在转子故障诊断中的应用 | 第70-73页 |
·本章小结 | 第73-74页 |
7 总结与展望 | 第74-76页 |
·总结 | 第74页 |
·展望 | 第74-76页 |
参考文献 | 第76-81页 |
攻读硕士学位期间发表的论文 | 第81-82页 |
致谢 | 第82页 |