中文摘要 | 第3-5页 |
英文摘要 | 第5-7页 |
1 绪论 | 第11-27页 |
1.1 课题来源 | 第11页 |
1.2 课题背景和研究意义 | 第11-13页 |
1.3 旋转机械早期故障诊断方法的国内外研究现状 | 第13-23页 |
1.3.1 旋转机械微弱故障增强方法研究现状 | 第13-16页 |
1.3.2 旋转机械故障特征集构建方法研究现状 | 第16-21页 |
1.3.3 基于模式识别的旋转机械早期故障诊断研究现状 | 第21-23页 |
1.4 旋转机械早期故障诊断存在的难点 | 第23-24页 |
1.5 本文研究思路及结构安排 | 第24-27页 |
2 基于自适应最大相关峭度反卷积的旋转机械微弱故障增强 | 第27-59页 |
2.1 引言 | 第27-28页 |
2.2 最大相关峭度反卷积 | 第28-36页 |
2.2.1 最小熵反卷积理论 | 第28-29页 |
2.2.2 最小熵反卷积实现过程及其参数分析 | 第29-31页 |
2.2.3 最大相关峭度反卷积理论 | 第31-36页 |
2.3 最大相关峭度反卷积的微弱故障信号增强 | 第36-38页 |
2.3.1 最大相关峭度反卷积微弱故障信号增强特性 | 第36-37页 |
2.3.2 最小熵反卷积与最大相关峭度反卷积对比 | 第37-38页 |
2.4 自适应最大相关峭度反卷积增强方法 | 第38-43页 |
2.4.1 变步长网格搜索法 | 第39-40页 |
2.4.2 目标函数确定及参数优化 | 第40-41页 |
2.4.3 自适应最大相关峭度反卷积性能分析 | 第41-43页 |
2.5 实验验证 | 第43-57页 |
2.5.1 实验台验证 | 第43-54页 |
2.5.2 实例验证 | 第54-57页 |
2.6 结论 | 第57-59页 |
3 自适应变分模态分解的多频带多尺度样本熵特征集构建 | 第59-95页 |
3.1 引言 | 第59-60页 |
3.2 变分模态分解方法及其分析 | 第60-65页 |
3.2.1 变分模态分解准则 | 第61-63页 |
3.2.2 仿真实例 | 第63-65页 |
3.3 自适应变分模态分解 | 第65-77页 |
3.3.1 变分模态分解若干关键问题探讨 | 第65-73页 |
3.3.2 自适应变分模态分解 | 第73-77页 |
3.4 自适应变分模态分解性能分析 | 第77-83页 |
3.4.1 正交性能指标及分析 | 第77-78页 |
3.4.2 能量保存度分析 | 第78-79页 |
3.4.3 等效滤波属性分析 | 第79-81页 |
3.4.4 AVMD与EMD对比 | 第81-83页 |
3.5 多频带多尺度样本熵特征向量构建 | 第83-85页 |
3.5.1 样本熵与多尺度样本熵 | 第83-84页 |
3.5.2 多频带多尺度样本熵特征向量构建 | 第84-85页 |
3.6 实验验证 | 第85-92页 |
3.6.1 实验台验证 | 第85-91页 |
3.6.2 实例验证 | 第91-92页 |
3.7 本章小结 | 第92-95页 |
4 优化多核支持向量机的小子样故障诊断 | 第95-117页 |
4.1 引言 | 第95-96页 |
4.2 多核支持向量机算法 | 第96-103页 |
4.2.1 支持向量机基本理论 | 第96-98页 |
4.2.2 核函数及其特性分析 | 第98-101页 |
4.2.3 多核支持向量机的构造 | 第101-103页 |
4.3 优化多核支持向量机的小子样故障诊断 | 第103-106页 |
4.3.1 免疫遗传算法及其特点 | 第103-104页 |
4.3.2 抗体确定及优化流程 | 第104-106页 |
4.4 实验验证 | 第106-116页 |
4.4.1 实验台验证 | 第106-114页 |
4.4.2 实例验证 | 第114-116页 |
4.5 本章小结 | 第116-117页 |
5 结论与展望 | 第117-119页 |
5.1 结论 | 第117-118页 |
5.1.1 全文总结 | 第117-118页 |
5.1.2 主要创新点 | 第118页 |
5.2 研究展望 | 第118-119页 |
致谢 | 第119-121页 |
参考文献 | 第121-137页 |
附录 | 第137-138页 |
A. 作者在攻读博士学位期间发表的论文目录 | 第137-138页 |
B. 作者在攻读博士学位期间主持的科研项目 | 第138页 |
C. 作者在攻读博士学位期间参加的科研项目 | 第138页 |