基于局部线性嵌入和支持向量机的滚动轴承性能退化评估研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的目的和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 特征提取与约简 | 第11-12页 |
| 1.2.2 模式分类方法 | 第12-14页 |
| 1.2.3 性能退化评估研究方法 | 第14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第2章 滚动轴承故障特征的提取 | 第16-23页 |
| 2.1 时域指标提取 | 第16-17页 |
| 2.2 频域指标提取 | 第17-19页 |
| 2.3 小波包变换 | 第19-21页 |
| 2.3.1 小波包的定义 | 第19-20页 |
| 2.3.2 小波包的子空间分解 | 第20-21页 |
| 2.3.3 小波包的重构 | 第21页 |
| 2.4 滚动轴承故障特征的提取 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 局部线性嵌入算法研究及改进 | 第23-32页 |
| 3.1 流形学习概述 | 第23-24页 |
| 3.2 局部线性嵌入算法基本原理 | 第24-25页 |
| 3.3 局部线性嵌入算法的改进 | 第25-29页 |
| 3.3.1 高维空间相似性度量 | 第25-27页 |
| 3.3.2 改进的局部线性嵌入算法 | 第27-29页 |
| 3.4 局部线性嵌入算法的参数选取 | 第29页 |
| 3.5 局部线性嵌入算法的性能分析 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于支持向量机的滚动轴承性能退化评估 | 第32-40页 |
| 4.1 统计学习理论 | 第32-33页 |
| 4.1.1 VC维 | 第32页 |
| 4.1.2 结构风险 | 第32-33页 |
| 4.2 支持向量机 | 第33-37页 |
| 4.2.1 线性支持向量机 | 第33-35页 |
| 4.2.2 非线性支持向量机 | 第35-37页 |
| 4.3 滚动轴承性能退化评估方法 | 第37-39页 |
| 4.3.1 性能退化评估模型的建立 | 第37-38页 |
| 4.3.2 滚动轴承性能退化评估流程 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 实验研究结果与分析 | 第40-49页 |
| 5.1 滚动轴承实验数据 | 第40-41页 |
| 5.2 LLE算法结果的实验分析 | 第41-47页 |
| 5.3 滚动轴承性能退化评估分析 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54页 |
