| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景与意义 | 第11-12页 |
| ·异步电机故障诊断技术的研究现状 | 第12-14页 |
| ·信息融合故障诊断技术的研究现状 | 第14-15页 |
| ·论文的结构和内容 | 第15-17页 |
| 第二章 异步电机故障机理分析与多源异类信号采集 | 第17-33页 |
| ·异步电机结构与工作原理 | 第17-18页 |
| ·异步电机故障机理 | 第18-23页 |
| ·转子不平衡故障 | 第18-19页 |
| ·转子弯曲故障 | 第19-20页 |
| ·转子断条故障 | 第20-21页 |
| ·滚动轴承故障 | 第21-23页 |
| ·异步电机多源异类信号采集 | 第23-29页 |
| ·实验方案设计 | 第23-26页 |
| ·多源异类信号采集 | 第26-29页 |
| ·多源异类信号特征构造 | 第29-32页 |
| ·时域特征构造 | 第29-30页 |
| ·小波包熵特征构造 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于 CMKPCA 的异步电机多源异类信息特征融合故障诊断方法 | 第33-51页 |
| ·类均值核主元分析法 | 第33-40页 |
| ·KPCA 基本原理 | 第33-34页 |
| ·CMKPCA 算法 | 第34-38页 |
| ·CMKPCA 性能分析 | 第38-40页 |
| ·基于 CMKPCA 与 SVM 的异步电机特征融合故障诊断方法 | 第40-43页 |
| ·支持向量机分类原理 | 第40-42页 |
| ·基于 CMKPCA 与 SVM 的异步电机特征融合故障诊断模型 | 第42-43页 |
| ·异步电机特征融合故障诊断实例研究 | 第43-49页 |
| ·多源异类信息特征提取 | 第43-44页 |
| ·基于可分性参数的核参数寻优 | 第44-45页 |
| ·基于 CMKPCA 与 SVM 的异步电机故障诊断 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于加权证据理论的异步电机多源异类信息决策融合故障诊断方法 | 第51-72页 |
| ·加权证据理论 | 第51-57页 |
| ·D-S 证据理论基本原理 | 第51-53页 |
| ·基于加权证据模型和矩阵分析的加权组合算法 | 第53-57页 |
| ·基于加权证据理论与 SVM 的异步电机决策融合故障诊断方法 | 第57-60页 |
| ·基于多分类 SVM 的基本概率赋值方法 | 第57-58页 |
| ·基于加权证据理论与 SVM 的异步电机决策融合故障诊断模型 | 第58-60页 |
| ·异步电机决策融合故障诊断实例研究 | 第60-71页 |
| ·多源异类信息特征提取 | 第60-61页 |
| ·构建基本概率赋值函数 | 第61-63页 |
| ·基于加权证据理论与 SVM 的异步电机故障诊断 | 第63-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| ·论文总结 | 第72-73页 |
| ·研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 附录 攻读学位期间参研项目和发表论文目录 | 第79页 |
