基于支持向量机的旋转机械振动故障诊断研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 旋转机械故障诊断的目的和意义 | 第9-10页 |
| 1.2 旋转机械故障诊断技术的发展 | 第10-11页 |
| 1.2.1 基于信号分析的常规故障诊断技术 | 第10页 |
| 1.2.2 基于知识推理的智能故障诊断 | 第10-11页 |
| 1.2.3 基于神经网络的故障诊断技术 | 第11页 |
| 1.3 状态监测和故障诊断系统 | 第11-13页 |
| 1.3.1 故障信息检测 | 第12页 |
| 1.3.2 状态监测 | 第12页 |
| 1.3.3 故障特征提取 | 第12-13页 |
| 1.4 本论文的主要研究内容 | 第13-14页 |
| 第二章 支持向量机基本理论 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 统计学习理论 | 第14-17页 |
| 2.2.1 经验风险最小原理 | 第14-15页 |
| 2.2.2 结构风险最小化原理 | 第15-17页 |
| 2.3 分类支持向量机理论 | 第17-20页 |
| 2.3.1 线性可分支持向量机 | 第17-19页 |
| 2.3.2 非线性支持向量机 | 第19-20页 |
| 2.4 回归支持向量机理论 | 第20-23页 |
| 2.4.1 线性回归支持向量机 | 第20-22页 |
| 2.4.2 非线性回归支持向量机 | 第22-23页 |
| 2.5 支持向量机的发展现状 | 第23-24页 |
| 2.6 支持向量机在故障诊断中的应用 | 第24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 旋转机械故障诊断系统的设计 | 第25-38页 |
| 3.1 故障诊断系统总体设计思想 | 第25页 |
| 3.2 系统的硬件设计 | 第25-29页 |
| 3.2.1 传感器的选取与安装 | 第25-26页 |
| 3.2.2 振动前置放大器 | 第26-28页 |
| 3.2.3 磁带记录仪 | 第28页 |
| 3.2.4 数据采集卡 | 第28-29页 |
| 3.3 故障诊断系统的软件设计 | 第29-37页 |
| 3.3.1 数据采集 | 第30-31页 |
| 3.3.2 数据处理 | 第31-32页 |
| 3.3.3 信号分析 | 第32-35页 |
| 3.3.4 能量特征提取模块 | 第35-36页 |
| 3.3.5 支持向量机故障分类模块 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 旋转机械故障的能量特征提取及实验 | 第38-48页 |
| 4.1 小波包变换 | 第38-40页 |
| 4.1.1 小波包变换理论 | 第38-39页 |
| 4.1.2 小波包的分解与重构 | 第39-40页 |
| 4.2 小波包特征提取步骤 | 第40-42页 |
| 4.3 小波包特征提取在测试系统中的实验分析 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于支持向量机的故障分类实验分析 | 第48-56页 |
| 5.1 振动测试方案 | 第48-49页 |
| 5.2 支持向量机故障识别实验步骤 | 第49页 |
| 5.3 支持向量机故障分类实验结果分析 | 第49-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 结论与展望 | 第56-58页 |
| 6.1 研究结论 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 作者简介、发表文章及研究成果目录 | 第63-64页 |
| 致谢 | 第64-65页 |
