基于支持向量机的旋转机械故障诊断方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究的背景和意义 | 第10页 |
| ·故障诊断方法研究现状 | 第10-13页 |
| ·基于解析模型的方法 | 第11页 |
| ·基于信号处理的方法 | 第11-12页 |
| ·基于知识的方法 | 第12-13页 |
| ·支持向量机研究现状 | 第13-14页 |
| ·传统故障诊断方法的局限和支持向量机的优势与不足 | 第14-15页 |
| ·论文研究的总体思路和主要内容 | 第15-17页 |
| ·总体思路 | 第15-16页 |
| ·主要内容 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 统计学习理论与支持向量机 | 第18-30页 |
| ·引言 | 第18页 |
| ·统计学习理论 | 第18-22页 |
| ·学习问题的表示 | 第18-20页 |
| ·函数估计模型 | 第18-19页 |
| ·风险最小化问题 | 第19页 |
| ·学习问题的一般表示 | 第19页 |
| ·经验风险最小化归纳原则 | 第19-20页 |
| ·函数的VC 维 | 第20页 |
| ·推广性的界 | 第20-21页 |
| ·结构风险最小化原则 | 第21-22页 |
| ·支持向量机两类分类 | 第22-28页 |
| ·线性问题 | 第22-25页 |
| ·非线性问题 | 第25-26页 |
| ·核函数 | 第26-27页 |
| ·支持向量机的两类分类实例 | 第27-28页 |
| ·基于支持向量机的故障诊断基本步骤 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于支持向量机的多类分类器研究 | 第30-37页 |
| ·引言 | 第30页 |
| ·多类分类算法 | 第30-35页 |
| ·常用多类分类算法 | 第31-33页 |
| ·基于二叉树的多类分类算法 | 第33-35页 |
| ·基本原理 | 第33-34页 |
| ·算法分析 | 第34-35页 |
| ·仿真试验 | 第35-36页 |
| ·结果分析 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于核主元分析的特征选择方法研究 | 第37-44页 |
| ·引言 | 第37页 |
| ·基于主元分析的特征选择原理 | 第37-38页 |
| ·基于核主元分析的特征选择原理和算法 | 第38-41页 |
| ·基本原理 | 第39-40页 |
| ·算法实现 | 第40-41页 |
| ·仿真试验 | 第41-43页 |
| ·结果分析 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 支持向量机分类器核函数的参数优化 | 第44-50页 |
| ·引言 | 第44页 |
| ·模型的建立与优化 | 第44-46页 |
| ·模型的建立 | 第44-46页 |
| ·优化算法的实现 | 第46页 |
| ·仿真试验 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 实验研究 | 第50-67页 |
| ·引言 | 第50页 |
| ·实验设计 | 第50-57页 |
| ·实验仪器及设备 | 第50-51页 |
| ·测量方法及数据采集系统设计 | 第51-53页 |
| ·轴径向振动测量 | 第51-52页 |
| ·键相信号测量 | 第52页 |
| ·转速信号测量 | 第52页 |
| ·数据采集系统设计 | 第52-53页 |
| ·故障设置与信号采集 | 第53-57页 |
| ·振动信号故障特征提取 | 第57-63页 |
| ·利用小波包分析进行故障特征提取 | 第58-60页 |
| ·故障特征提取算例 | 第60-63页 |
| ·核主元分析故障特征选择 | 第63-64页 |
| ·基于聚类思想的二叉树支持向量机故障诊断方法 | 第64-66页 |
| ·故障分类器的建立 | 第64-65页 |
| ·核函数的参数优化 | 第65页 |
| ·故障诊断的结果与分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 总结和展望 | 第67-69页 |
| ·论文总结 | 第67-68页 |
| ·研究展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 附录A:转子试验台部分样本特征向量 | 第76-77页 |
| 个人简历 在学期间发表的学术论文及研究成果 | 第77页 |
