基于优化支持向量机的滚动轴承故障诊断
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题设计背景及研究意义 | 第8-12页 |
| ·国内外研究故障诊断技术的现状介绍 | 第8-12页 |
| ·轴承故障诊断技术的研究意义 | 第12页 |
| ·支持向量机训练算法及扩展 | 第12-14页 |
| ·支持向量机的几种训练算法 | 第13页 |
| ·支持向量机的扩展 | 第13-14页 |
| ·论文的主要内容 | 第14页 |
| ·本章小结 | 第14-16页 |
| 第2章 滚动轴承失效形式和振动机理 | 第16-21页 |
| ·滚动轴承基本结构与种类 | 第16-17页 |
| ·滚动轴承失效类型 | 第17-18页 |
| ·滚动轴承振动机理 | 第18-20页 |
| ·轴承故障常用诊断方法 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 人工蜂群算法优化的支持向量机研究 | 第21-34页 |
| ·基于支持向量机的原理研究 | 第21-27页 |
| ·最优分类超平面 | 第21-23页 |
| ·线性支持向量分类机 | 第23-24页 |
| ·非线性支持向量分类机 | 第24-25页 |
| ·核函数及多类分类方法 | 第25-27页 |
| ·人工蜂群算法优化的支持向量机测试 | 第27-33页 |
| ·参数优化算法简介 | 第27-29页 |
| ·人工蜂群算法原理分析 | 第29-31页 |
| ·人工蜂群算法优化支持向量机参数选择 | 第31页 |
| ·基于UCI标准数据集的四种算法测试及分析 | 第31-33页 |
| ·基于UCI标准数据集的四种算法测试 | 第32页 |
| ·基于UCI标准数据集的四种算法测试结果分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 滚动轴承故障智能诊断 | 第34-45页 |
| ·滚动轴承故障振动信号采集与分析 | 第34-38页 |
| ·滚动轴承故障振动信号特征 | 第34-35页 |
| ·滚动轴承振动信号采集 | 第35-36页 |
| ·滚动轴承故障振动信号分析 | 第36-38页 |
| ·基于优化支持向量机的轴承故障诊断 | 第38-40页 |
| ·基于支持向量机的轴承故障诊断模型 | 第38-39页 |
| ·人工蜂群算法优化支持向量机诊断模型参数的选择 | 第39-40页 |
| ·滚动轴承点蚀故障智能诊断比较实验及分析 | 第40-44页 |
| ·滚动轴承点蚀故障智能诊断比较实验 | 第40-43页 |
| ·滚动轴承点蚀故障智能诊断比较实验结果分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 结论与展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 附录 | 第49-53页 |
| 个人简历 | 第53页 |
