| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-20页 |
| ·选题背景与意义 | 第9-11页 |
| ·选题背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·国内外现状 | 第11-14页 |
| ·故障诊断技术的发展 | 第11页 |
| ·自确认传感器的出现 | 第11-13页 |
| ·传感器的研究现状 | 第13-14页 |
| ·传感器故障原因、诊断技术 | 第14-18页 |
| ·故障诊断的研究内容 | 第14页 |
| ·传感器故障类型及原因 | 第14-15页 |
| ·传感器故障诊断方法分类 | 第15-18页 |
| ·本章小结 | 第18页 |
| ·全文研究内容 | 第18-20页 |
| 2 局部均值分解算法(LMD)研究 | 第20-35页 |
| ·LMD算法 | 第20-24页 |
| ·乘积函数分量(PF分量) | 第20-22页 |
| ·局部均值分解(LMD)算法 | 第22-23页 |
| ·LMD算法的特点 | 第23-24页 |
| ·时频分析方法的比较 | 第24-32页 |
| ·LMD的时频分析 | 第24-26页 |
| ·瞬时频率计算的比较 | 第26页 |
| ·与EMD时频分析方法的比较 | 第26-32页 |
| ·LMD算法与EMD算法的比较 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 3 基于支持向量机(SVM)的故障诊断方法研究 | 第35-46页 |
| ·支持向量机(SVM)原理及其算法过程 | 第35-40页 |
| ·SVM原理 | 第35-36页 |
| ·最优超平面的构造 | 第36-38页 |
| ·支持向量机分类问题 | 第38-39页 |
| ·核函数 | 第39-40页 |
| ·SVM用于故障诊断的基本步骤 | 第40-41页 |
| ·支持向量多分类机的分类算法 | 第41-45页 |
| ·全局多类SVM | 第41-43页 |
| ·组合多类支持向量机 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于LMD与SVM算法耦合的传感器故障诊断模型 | 第46-58页 |
| ·引言 | 第46页 |
| ·对传感器输出信号的处理以及提取特征向量 | 第46-50页 |
| ·输出信号的自适应LMD分解 | 第46-50页 |
| ·提取特征向量 | 第50页 |
| ·基于SVM的多分类模型 | 第50-53页 |
| ·MPSO优化SVM分类器参数 | 第50-51页 |
| ·MPSO优化SVM分类器参数 | 第51-53页 |
| ·SVM多分类模型 | 第53页 |
| ·仿真实例分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 作者简历 | 第63-65页 |
| 学位论文数据集 | 第65页 |