| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 引言 | 第13页 |
| 1.2 课题产生的背景及意义 | 第13-14页 |
| 1.3 电机故障诊断方法研究现状 | 第14-19页 |
| 1.3.1 电机故障机理及其信号的采集 | 第14页 |
| 1.3.2 信号分析与处理方法的研究现状 | 第14-16页 |
| 1.3.3 智能故障诊断方法的研究现状 | 第16-19页 |
| 1.4 论文研究内容及结构安排 | 第19-20页 |
| 第2章 基于IMLA降维的电机故障诊断 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 等谱流形学习算法的相关知识点 | 第20-21页 |
| 2.2.1 谱方法 | 第20页 |
| 2.2.2 稀疏表示 | 第20页 |
| 2.2.3 等谱的概念 | 第20-21页 |
| 2.3 等谱流形学习算法的原理 | 第21-22页 |
| 2.4 最小二乘支持向量机的原理 | 第22-24页 |
| 2.4.1 核参数的选取 | 第23页 |
| 2.4.2 最小二乘支持向量机的定义 | 第23-24页 |
| 2.5 基于PCA-IMLA的LS-SVM电机故障诊断的研究 | 第24-25页 |
| 2.6 仿真实例验证与分析 | 第25-29页 |
| 2.6.1 实验结果 | 第25页 |
| 2.6.2 实验比较 | 第25-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 基于WPA优化模型的电机故障诊断 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 狼群算法的原理 | 第30-32页 |
| 3.2.1 狼群系统分析 | 第30-31页 |
| 3.2.2 狼群算法的定义 | 第31页 |
| 3.2.3 狼群算法的一般步骤 | 第31-32页 |
| 3.3 WPA优化IMLA和LS-SVM在电机故障诊断中的实现 | 第32-35页 |
| 3.3.1 WPA优化LS-SVM参数的步骤 | 第33-34页 |
| 3.3.2 WPA优化IMLA参数d的步骤 | 第34-35页 |
| 3.4 基于IMLA-WPA建模的故障诊断方法 | 第35-36页 |
| 3.5 仿真实例验证与分析 | 第36-41页 |
| 3.5.1 实验结果 | 第36-38页 |
| 3.5.2 实验比较 | 第38-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 基于云计算的组合方法诊断模型 | 第43-58页 |
| 4.1 引言 | 第43页 |
| 4.2 基于模糊神经网络的电机故障诊断 | 第43-46页 |
| 4.2.1 模糊神经网络的原理 | 第43-44页 |
| 4.2.2 基于WPA优化FNN的模型建立 | 第44-45页 |
| 4.2.3 基于WPA优化FNN的仿真实验 | 第45-46页 |
| 4.3 基于RBF神经网络的电机故障诊断 | 第46-48页 |
| 4.3.1 RBF神经网络的原理 | 第46-47页 |
| 4.3.2 基于WPA优化RBF神经网络的模型建立 | 第47页 |
| 4.3.3 基于WPA优化RBF神经网络的仿真实验 | 第47-48页 |
| 4.4 组合诊断模型的建立 | 第48-52页 |
| 4.4.1 组合模型权重的选择 | 第49-50页 |
| 4.4.2 仿真实例验证与分析 | 第50-52页 |
| 4.5 云计算在电机故障中的应用 | 第52-56页 |
| 4.5.1 引言 | 第52页 |
| 4.5.2 云计算的主要内容 | 第52-53页 |
| 4.5.3 主要的云计算平台 | 第53-54页 |
| 4.5.4 云计算的特点 | 第54页 |
| 4.5.5 云计算服务层次 | 第54-55页 |
| 4.5.6 组合方法在云平台上模型的建立 | 第55页 |
| 4.5.7 诊断结果与分析 | 第55-56页 |
| 4.6 本章小结 | 第56-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第66页 |
