基于度量学习和时间序列相似性度量的故障诊断方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景和意义 | 第8页 |
| 1.2 故障诊断的基本概念 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 基于解析模型的方法 | 第9-10页 |
| 1.3.2 基于知识的方法 | 第10-11页 |
| 1.3.3 基于数据驱动的方法 | 第11-12页 |
| 1.4 度量学习算法与时间序列方法 | 第12-14页 |
| 1.4.1 基于度量学习的方法 | 第12-13页 |
| 1.4.2 基于时间序列的方法 | 第13-14页 |
| 1.5 研究现状评述 | 第14-15页 |
| 1.6 本文的主要研究内容 | 第15-17页 |
| 第2章 基于数据的故障诊断技术 | 第17-22页 |
| 2.1 引言 | 第17页 |
| 2.2 现有故障诊断技术特点 | 第17-18页 |
| 2.3 基于PCA的故障诊断方法 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于度量学习与时间序列的故障诊断 | 第22-38页 |
| 3.1 引言 | 第22页 |
| 3.2 度量学习和时间序列算法特点 | 第22-23页 |
| 3.3 基于度量学习的故障诊断方法 | 第23-26页 |
| 3.4 基于时间序列的数据挖掘方法 | 第26-36页 |
| 3.4.1 分段线性表示法 | 第26-33页 |
| 3.4.2 小波变换 | 第33-36页 |
| 3.5 K—邻近算法 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于TE过程的仿真与分析 | 第38-53页 |
| 4.1 引言 | 第38页 |
| 4.2 TE过程 | 第38-39页 |
| 4.3 基于TE过程的故障诊断仿真 | 第39-52页 |
| 4.3.1 故障1仿真结果及分析 | 第40-44页 |
| 4.3.2 故障4仿真结果及分析 | 第44-49页 |
| 4.3.3 故障12仿真结果及分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |
