首页--工业技术论文--水利工程论文--水能利用、水电站工程论文--水电站建筑与设备论文--养护、维修论文

特征加权组稀疏模式分析算法及其在水电机组故障诊断中的应用

摘要第1-7页
ABSTRACT第7-11页
第1章 绪论第11-18页
   ·课题研究背景及意义第11-12页
   ·水电机组故障研究现状第12-14页
   ·稀疏表示算法和降维算法的研究现状第14-16页
   ·本文主要研究内容第16-18页
第2章 经典的模式分析算法第18-29页
   ·引言第18-19页
   ·经典的降维算法第19-24页
     ·主成分分析第19-20页
     ·线性判别分析第20-21页
     ·判别公共向量分析第21-22页
     ·核化判别公共向量分析第22-24页
   ·稀疏表示型算法第24-26页
     ·稀疏表示分类器第24-25页
     ·组稀疏分类器第25页
     ·加权组稀疏分类器第25-26页
   ·稀疏降维算法第26-28页
     ·稀疏保持投影算法第26-27页
     ·稀疏判别投影分类算法第27-28页
   ·本章小结第28-29页
第3章 高效核化判别公共向量分析算法第29-39页
   ·引言第29页
   ·算法的基本原理第29-34页
     ·训练阶段的改进第30-31页
     ·测试阶段的改进第31-33页
     ·改进的算法流程及复杂度分析第33-34页
   ·仿真结果与分析第34-38页
     ·识别性能分析第35-36页
     ·训练效率分析第36-37页
     ·测试效率分析第37-38页
   ·本章小结第38-39页
第4章 特征加权组稀疏模式分析算法第39-48页
   ·引言第39页
   ·算法的基本原理第39-43页
     ·特征加权矢量的选择第40-41页
     ·算法流程第41-42页
     ·算法收敛性证明第42-43页
   ·仿真结果与分析第43-47页
     ·识别性能分析第44-46页
     ·算法重构性能第46页
     ·运算效率分析第46-47页
   ·本章小结第47-48页
第5章 特征加权组稀疏判别投影模式分析算法第48-55页
   ·引言第48页
   ·算法的基本原理第48-50页
     ·算法的优化求解第49-50页
     ·算法流程第50页
   ·实验仿真与分析第50-54页
     ·识别性能分析第51-53页
     ·运算效率分析第53-54页
   ·本章小结第54-55页
第6章 水电机组故障诊断系统设计与实现第55-72页
   ·引言第55页
   ·水电机组故障诊断系统的总体设计第55-57页
     ·水电机组故障诊断任务第55页
     ·水电机组故障诊断系统的结构选择第55-56页
     ·水电机组故障诊断系统的总体设计方案第56-57页
   ·上位机监控软件设计第57-60页
     ·系统组态软件的选择与设置第57-58页
     ·系统用户权限配置第58-59页
     ·故障诊断系统监控界面设计第59-60页
   ·机组现地控制单元设计第60-65页
     ·机组现地控制单元结构确定第61页
     ·主控设备选择第61-63页
     ·主要控制回路关键点设计第63-65页
   ·水电机组故障诊断单元设计第65-71页
     ·传感器故障杂质及通常解决办法第65页
     ·加权组稀疏判别降维模式分析故障诊断模型的提出第65-67页
     ·水电机组噪声信号构建及预处理第67-69页
     ·水电机组噪声信号鉴别任务仿真第69-71页
   ·本章小结第71-72页
第7章 结论和展望第72-74页
   ·结论第72页
   ·展望第72-74页
参考文献第74-79页
致谢第79-80页
攻读学位期间的科研成果第80-81页

论文共81页,点击 下载论文
上一篇:小水线面双体船波浪载荷与结构强度研究
下一篇:温州Z混凝土有限公司产品配送策略的优化研究--基于遗传算法和车辆信息监控系统