基于小波分析与数据挖掘的旋转机械故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·旋转机械故障诊断的研究意义和内容 | 第9-14页 |
| ·旋转机械故障诊断的研究意义 | 第9-12页 |
| ·旋转机械故障诊断的内容 | 第12-14页 |
| ·旋转机械国内外研究现状、发展与展望 | 第14-17页 |
| ·主要研究内容 | 第17页 |
| ·课题关键技术及难点 | 第17页 |
| ·课题预计成果及主要创新点 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 旋转机械常见故障基本理论 | 第19-36页 |
| ·转子振动的基本特性 | 第19-20页 |
| ·转子振动分类 | 第19页 |
| ·转子振动的基本特性 | 第19-20页 |
| ·旋转机械故障信息的来源 | 第20-21页 |
| ·转子不平衡的故障机理与诊断 | 第21-24页 |
| ·转子不平衡的种类 | 第21-22页 |
| ·转子不平衡的故障机理 | 第22页 |
| ·转子不平衡的故障特征 | 第22-23页 |
| ·转子不平衡的诊断方法 | 第23-24页 |
| ·转子不对中的故障机理与诊断 | 第24-29页 |
| ·转子不对中的类型 | 第24-25页 |
| ·转子不对中的故障机理 | 第25-28页 |
| ·转子不对中的故障特征 | 第28页 |
| ·转子不对中的故障诊断 | 第28-29页 |
| ·动静碰摩的故障机理与诊断 | 第29-31页 |
| ·动静碰摩的故障机理 | 第29-30页 |
| ·动静碰摩的故障特征 | 第30-31页 |
| ·动静碰摩的诊断方法 | 第31页 |
| ·动静碰摩的故障原因与治理措施 | 第31页 |
| ·油膜涡动和油膜振荡的故障机理与诊断 | 第31-35页 |
| ·油膜振荡的故障机理与特征 | 第32-34页 |
| ·油膜振荡性质 | 第34-35页 |
| ·油膜振荡的治理措施 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第三章 小波分析理论及特征向量提取 | 第36-53页 |
| ·傅里叶分析方法 | 第36-38页 |
| ·频域分析方法 | 第36-37页 |
| ·时频分析方法 | 第37-38页 |
| ·小波分析 | 第38-40页 |
| ·连续小波变换 | 第40-41页 |
| ·连续小波基函数 | 第40-41页 |
| ·连续小波变换的定义 | 第41页 |
| ·离散小波变换 | 第41-42页 |
| ·多分辨率分析理论 | 第42-45页 |
| ·Mallat 算法 | 第45-48页 |
| ·分解算法 | 第45-47页 |
| ·重构算法 | 第47页 |
| ·输入数据的初始化 | 第47-48页 |
| ·小波包分解 | 第48-50页 |
| ·基于尺度-能量模的特征提取 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 数据挖掘用于故障诊断的各种方法比较 | 第53-71页 |
| ·数据挖掘概述 | 第53-54页 |
| ·数据挖掘的产生 | 第53页 |
| ·数据挖掘的定义 | 第53页 |
| ·数据挖掘过程 | 第53-54页 |
| ·数据挖掘常用算法 | 第54页 |
| ·神经网络算法 | 第54-59页 |
| ·神经元模型 | 第54-55页 |
| ·人工神经网络 | 第55-56页 |
| ·BP 网络 | 第56-59页 |
| ·支持向量机及libsvm 实现 | 第59-65页 |
| ·最优分类超平面 | 第59-62页 |
| ·支持向量机 | 第62-63页 |
| ·libsvm 实现分类 | 第63-65页 |
| ·模糊聚类算法 | 第65-69页 |
| ·模糊聚类分析的数学模型的建立 | 第65-66页 |
| ·数据标准化 | 第66页 |
| ·相似性和距离 | 第66-67页 |
| ·谱系聚类算法 | 第67-69页 |
| ·各种算法比较 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 结论与进一步工作 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·进一步工作 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第77页 |
