基于机器学习的故障状态评价算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景和研究意义 | 第11-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·数据驱动方法的研究现状 | 第13-15页 |
| ·“亚健康”的研究现状及发展动态 | 第15-17页 |
| ·问题的提出 | 第17页 |
| ·论文的主要研究内容和结构 | 第17-20页 |
| ·论文的主要研究工作 | 第17-18页 |
| ·论文的组织结构 | 第18-20页 |
| 第2章 机器学习的基本理论 | 第20-32页 |
| ·BP 神经网络 | 第21-25页 |
| ·BP 神经网络结构 | 第21-22页 |
| ·BP 算法的步骤 | 第22-24页 |
| ·BP 神经网络的性能分析 | 第24-25页 |
| ·支持向量机 | 第25-31页 |
| ·统计学习理论 | 第25-27页 |
| ·支持向量机的理论 | 第27-30页 |
| ·支持向量机的优点分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 面向故障隶属函数的机器学习方法 | 第32-44页 |
| ·数据预处理方法分析 | 第32-36页 |
| ·FFT 变换的降噪处理 | 第32-33页 |
| ·特征参数的确定 | 第33-34页 |
| ·灵敏度测量法约减特征参数 | 第34-35页 |
| ·数据预处理算法流程 | 第35-36页 |
| ·面向故障隶属函数的 BP 神经网络 | 第36-40页 |
| ·卡尔曼滤波思想 | 第36-37页 |
| ·基于卡尔曼滤波思想改进 BP 算法 | 第37-38页 |
| ·改进 BP 算法拟合函数的思想 | 第38页 |
| ·改进 BP 的训练流程 | 第38-40页 |
| ·面向故障隶属函数的支持向量机 | 第40-43页 |
| ·支持向量机的问题分析 | 第40-41页 |
| ·实现 SVM 软输出拟合函数的思想 | 第41页 |
| ·改进支持向量机算法的流程 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于模糊集的故障状态评价 | 第44-57页 |
| ·模糊集理论分析 | 第44-49页 |
| ·模糊集理论的描述 | 第44-46页 |
| ·模糊集理论的概念 | 第46-49页 |
| ·故障状态的健康度评价 | 第49-52页 |
| ·健康度的概念 | 第49-50页 |
| ·健康度等级划分 | 第50-52页 |
| ·隶属度到健康度的映射关系模型 | 第52-56页 |
| ·基于改进 BP 神经网络的健康度计算 | 第52-54页 |
| ·基于改进支持向量机的健康度计算 | 第54-56页 |
| ·本章总结 | 第56-57页 |
| 第5章 实验及性能评估 | 第57-69页 |
| ·数据预处理 | 第57-62页 |
| ·健康度计算与故障状态评价 | 第62-66页 |
| ·基于改进 BP 神经网络的故障状态评价 | 第62-64页 |
| ·基于改进支持向量机的故障状态评价 | 第64-66页 |
| ·实验效果 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 总结和展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第77-78页 |
