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 |