| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-12页 |
| 1.2 课题国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 常用故障诊断方法 | 第13-14页 |
| 1.4 课题研究的内容及结构 | 第14-16页 |
| 第2章 数据预处理 | 第16-40页 |
| 2.1 信号数据来源 | 第16-17页 |
| 2.2 信号滤波 | 第17-23页 |
| 2.2.1 经典滤波方法介绍 | 第17-18页 |
| 2.2.2 小波滤波方法介绍 | 第18-23页 |
| 2.3 故障信号特征提取 | 第23-38页 |
| 2.3.1 时、频域特征 | 第23-25页 |
| 2.3.2 小波包能量法特征提取 | 第25-30页 |
| 2.3.3 内禀模态能量法特征提取 | 第30-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第3章 基于改进粒子群优化支持向量机参数 | 第40-50页 |
| 3.1 支持向量机介绍 | 第40-44页 |
| 3.1.1 统计学习理论 | 第40-41页 |
| 3.1.2 支持向量机分类 | 第41-43页 |
| 3.1.3 核函数 | 第43-44页 |
| 3.2 标准粒子群算法(PSO) | 第44-46页 |
| 3.2.1 标准粒子群算法简介 | 第44-45页 |
| 3.2.2 标准粒子群算法流程 | 第45-46页 |
| 3.3 改进的粒子群算法(SAPSO) | 第46-48页 |
| 3.3.1 模拟退火算法 | 第46页 |
| 3.3.2 改进粒子群算法流程 | 第46-48页 |
| 3.4 基于改进粒子群法优化支持向量机参数的应用 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于Labview的改进粒子群优化支持向量机参数的故障诊断 | 第50-66页 |
| 4.1 软件开发平台简介 | 第50-52页 |
| 4.1.1 Labview和Matlab关系 | 第50-51页 |
| 4.1.2 COM组件形成案例介绍 | 第51-52页 |
| 4.2 基于改进粒子群优化支持向量机参数的故障诊断模型应用 | 第52-65页 |
| 4.2.1 基于改进粒子群优化支持向量机参数的故障诊断模型建立 | 第52页 |
| 4.2.2 基于改进粒子群优化支持向量机参数的故障诊断模型的应用 | 第52-60页 |
| 4.2.3 基于改进粒子群优化支持向量机参数模型故障诊断结果分析 | 第60-65页 |
| 4.3 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-72页 |
| 致谢 | 第72页 |
