| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·选题目的与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·故障诊断方法概述 | 第11-12页 |
| ·矿井提升机故障诊断技术的发展 | 第12-13页 |
| ·支持向量机的发展 | 第13-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| 2 支持向量机方法 | 第16-28页 |
| ·统计学习理论 | 第16-18页 |
| ·支持向量机 | 第18-23页 |
| ·基本概念 | 第18-19页 |
| ·线性支持向量机 | 第19-22页 |
| ·非线性支持向量机 | 第22-23页 |
| ·支持向量机的核函数 | 第23页 |
| ·支持向量分类算法 | 第23-25页 |
| ·Libsvm 介绍 | 第25-28页 |
| 3 矿井提升机的振动测试与故障诊断 | 第28-40页 |
| ·提升机的故障机理 | 第28-31页 |
| ·提升机的故障树 | 第28-29页 |
| ·提升机减速器的故障特征 | 第29-31页 |
| ·矿井提升机的振动测试 | 第31-33页 |
| ·设备连接与测点布置 | 第31-32页 |
| ·振动信号采集 | 第32-33页 |
| ·基于谱分析的故障诊断 | 第33-40页 |
| ·理论特征频率 | 第33-36页 |
| ·振动频谱分析 | 第36-38页 |
| ·故障诊断结果 | 第38-40页 |
| 4 基于 SVM 的提升机故障诊断 | 第40-58页 |
| ·提升机的 SVM 数据处理 | 第40-44页 |
| ·提升机特征信息提取 | 第40-42页 |
| ·提升机数据预处理 | 第42-44页 |
| ·建立分类器的关键因素 | 第44-45页 |
| ·提升机 SVM 故障分类器寻优 | 第45-53页 |
| ·提升机训练数据重分 | 第45-46页 |
| ·核函数的寻优 | 第46-49页 |
| ·参数寻优方法选取 | 第49-53页 |
| ·提升机 SVM 故障诊断模型 | 第53-55页 |
| ·提升机 SVM 故障诊断结果 | 第55-58页 |
| 5 结论与展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录 A 矿井提升机 SVM 训练数据 | 第61-64页 |
| 附录 B 矿井提升机 SVM 测试数据 | 第64-66页 |
| 附录 C 矿井提升机 SVM 故障分类器 Model-Wi数据 | 第66-67页 |
| 附录 D 矿井提升机 SVM 故障分类器 Model-Test Label 数据 | 第67-68页 |
| 作者简历 | 第68-69页 |
| 学位论文数据集 | 第69-70页 |