摘要 | 第5-7页 |
Abstract | 第7-9页 |
缩略语一览表 | 第17-19页 |
第1章 绪论 | 第19-30页 |
1.1 旋转机械故障诊断的研究背景和意义 | 第19-20页 |
1.2 旋转机械故障诊断研究内容和研究现状 | 第20-25页 |
1.2.1 故障机理的研究 | 第20页 |
1.2.2 特征提取方法的研究 | 第20-23页 |
1.2.3 模式识别方法的研究 | 第23-25页 |
1.3 问题的提出和本文的主要研究内容 | 第25-30页 |
1.3.1 问题的提出与课题来源 | 第25-26页 |
1.3.2 论文的主要研究内容和章节安排 | 第26-30页 |
第2章 变量预测模型模式识别方法 | 第30-47页 |
2.1 基本原理 | 第30-34页 |
2.1.1 VPM的概念 | 第30-32页 |
2.1.2 VPMCD方法 | 第32-34页 |
2.2 VPMCD方法仿真 | 第34-37页 |
2.2.1 标准数据的仿真 | 第34-36页 |
2.2.2 VPMCD方法对变量与变量间相互关系的获取能力分析 | 第36-37页 |
2.3 与常用方法的对比研究 | 第37-46页 |
2.3.1 人工神经网络模式识别方法 | 第37-40页 |
2.3.2 支持向量机模式识别方法 | 第40-42页 |
2.3.3 对比分析 | 第42-46页 |
2.4 本章小结 | 第46-47页 |
第3章 变量预测模型模式识别方法的改进 | 第47-59页 |
3.1 基于加权最小二乘参数估计的VPMCD方法 | 第47-53页 |
3.1.1 加权最小二乘参数估计 | 第47-51页 |
3.1.2 仿真分析 | 第51-53页 |
3.2 GA-VPMCD方法 | 第53-57页 |
3.2.1 基本原理 | 第54-55页 |
3.2.2 基于GA的弱VPM权值矩阵的优化 | 第55-56页 |
3.2.3 基于GA-VPMCD的分类识别流程 | 第56-57页 |
3.3 本章小结 | 第57-59页 |
第4章 VPMCD方法在旋转机械故障诊断中的应用 | 第59-110页 |
4.1 LMD能量矩和VPMCD方法在滚动轴承多故障诊断中的应用 | 第59-69页 |
4.1.1 基于LMD的特征提取方法 | 第60-63页 |
4.1.2 基于LMD能量矩和VPMCD方法的滚动轴承多故障诊断模型 | 第63-64页 |
4.1.3 应用实例分析 | 第64-68页 |
4.1.4 本节小结 | 第68-69页 |
4.2 改进ITD方法和VPMCD方法在轴承故障诊断中的应用 | 第69-77页 |
4.2.1 ITD方法 | 第69-70页 |
4.2.2 改进的ITD方法 | 第70-71页 |
4.2.3 基于改进的ITD方法和VPMCD方法的轴承故障诊断模型 | 第71-72页 |
4.2.4 应用实例分析 | 第72-77页 |
4.3 LCD模糊熵和VPMCD方法在齿轮故障诊断中的应用 | 第77-87页 |
4.3.1 LCD方法 | 第78-79页 |
4.3.2 模糊熵 | 第79-81页 |
4.3.3 基于LCD模糊熵和VPMCD方法的齿轮故障诊断模型 | 第81页 |
4.3.4 应用实例分析 | 第81-86页 |
4.3.5 本节小结 | 第86-87页 |
4.4 GA-VPMCD方法在旋转机械故障诊断中的应用 | 第87-100页 |
4.4.1 GA-VPMCD方法在滚动轴承升降速智能故障诊断中的应用 | 第87-91页 |
4.4.2 GA-VPMCD方法在转子故障诊断中的应用 | 第91-100页 |
4.5 ANN-MIV-VPMCD方法及其应用 | 第100-108页 |
4.5.1 ANN-MIV-VPMCD方法 | 第100-101页 |
4.5.2 基于LCD-SVD和ANN-MIV-VPMCD的滚动轴承故障诊断 | 第101-108页 |
4.6 本章小结 | 第108-110页 |
第5章 OC-VPMCD新异类检测方法及其应用 | 第110-118页 |
5.1 新异类检测方法概述 | 第110-111页 |
5.2 OC-VPMCD新异类检测方法 | 第111-113页 |
5.3 标准数据仿真分析 | 第113-114页 |
5.4 滚动轴承新异类检测实例 | 第114-116页 |
5.5 本章小结 | 第116-118页 |
总结与展望 | 第118-120页 |
参考文献 | 第120-134页 |
致谢 | 第134-135页 |
附录A 攻读学位期间发表和录用论文目录 | 第135-137页 |
附录B 攻读学位期间所参与的课题研究 | 第137页 |