基于流形学习的汽轮机振动故障诊断方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题背景及意义 | 第11页 |
| ·汽轮机故障诊断研究现状 | 第11-14页 |
| ·流形学习简介 | 第14-15页 |
| ·课题主要研究内容 | 第15-16页 |
| 第2章 转子故障模拟实验 | 第16-20页 |
| ·汽轮机故障 | 第16-17页 |
| ·试验台介绍 | 第17-19页 |
| ·实验数据说明 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第3章 流形学习基本理论 | 第20-32页 |
| ·流形学习的概念 | 第20-21页 |
| ·流形的概念 | 第20-21页 |
| ·流形学习 | 第21页 |
| ·流形学习算法 | 第21-31页 |
| ·局部线性嵌入 | 第21-24页 |
| ·等距映射 | 第24-28页 |
| ·局部保持投影 | 第28-31页 |
| ·其他方法 | 第31页 |
| ·流形学习存在的问题 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第4章 振动信号的特征提取 | 第32-49页 |
| ·特征提取步骤 | 第32-34页 |
| ·基于 LLE 的信号特征提取 | 第34-38页 |
| ·基于 ISOMAP 的信号特征提取 | 第38-43页 |
| ·基于 LPP 的信号特征提取 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第5章 故障诊断模型及结果分析 | 第49-63页 |
| ·基于 ANN 的故障诊断方法 | 第49-55页 |
| ·人工神经网络的基本模型 | 第49-50页 |
| ·云神经网络 | 第50-52页 |
| ·基于 LLE 和云神经网络的故障诊断方法 | 第52-55页 |
| ·基于 SVM 的故障诊断方法 | 第55-62页 |
| ·支持向量机简介 | 第55-57页 |
| ·基于 ISOMAP 和 SVM 的故障诊断 | 第57-59页 |
| ·基于 LPP 和 SVM 的故障诊断 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 硕士期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |
