异步电机转子典型故障信号的特征提取与诊断
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 变量注释表 | 第13-14页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 本文的主要内容 | 第18-20页 |
| 2 异步电机转子典型故障分析和诊断实验方案设计 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 异步电机转子的典型故障分析 | 第20-22页 |
| 2.3 异步电动机故障诊断实验方案设计 | 第22-27页 |
| 2.4 基于经验模式分解的信号处理方法 | 第27-29页 |
| 3 转子振动信息熵特征分析方法研究 | 第29-33页 |
| 3.1 引言 | 第29页 |
| 3.2 信息熵的基本概念及性质 | 第29页 |
| 3.3 振动信号的时域信息熵特征规律 | 第29-30页 |
| 3.4 振动信号频域信息熵特征规律 | 第30页 |
| 3.5 振动信号的时-频域信息熵特征规律 | 第30-33页 |
| 4 基于EMD特征提取方法的研究 | 第33-43页 |
| 4.1 故障信号的EMD分解 | 第33-39页 |
| 4.2 主分量选择方法设计 | 第39-42页 |
| 4.3 主分量的量化特征提取方法设计 | 第42-43页 |
| 5 基于改进的支持向量机的故障诊断方法研究 | 第43-56页 |
| 5.1 引言 | 第43页 |
| 5.2 支持向量机的原理 | 第43-46页 |
| 5.3 DS证据理论 | 第46-48页 |
| 5.4 后验概率输出 | 第48-50页 |
| 5.5 支持向量机故障诊断模型及结果分析 | 第50-51页 |
| 5.6 基于支持向量机多分类方法故障诊断 | 第51-54页 |
| 5.7 多分类诊断方法模型的建立及结果 | 第54-56页 |
| 6 结论与展望 | 第56-57页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62页 |
