基于多信息和多模型融合的刀具磨损预测性评估的方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景概述 | 第9-10页 |
| 1.2 刀具磨损研究的国内外现状 | 第10-11页 |
| 1.3 课题研究的意义和目标 | 第11页 |
| 1.4 论文结构和内容 | 第11-14页 |
| 第二章 数据探索与信号分析 | 第14-29页 |
| 2.1 数据质量分析 | 第14-15页 |
| 2.2 信号特性探索 | 第15-17页 |
| 2.2.1 信号的离散性和随机性 | 第15页 |
| 2.2.2 信号的周期性 | 第15-16页 |
| 2.2.3 信号的平稳性 | 第16页 |
| 2.2.4 信号的功率与能量 | 第16-17页 |
| 2.3 信号滤波处理方法 | 第17页 |
| 2.4 刀具信号分析过程 | 第17-27页 |
| 2.4.1 刀具信号的预处理过程 | 第18-21页 |
| 2.4.2 刀具信号的特性分析 | 第21-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 刀具磨损特征探索与分析 | 第29-49页 |
| 3.1 特征提取方法概述 | 第29-35页 |
| 3.1.1 基于时域的统计学特征提取方法 | 第29-30页 |
| 3.1.2 基于频域的频谱分析特征提取方法 | 第30-33页 |
| 3.1.3 基于时频联合的小波特征提取方法 | 第33-35页 |
| 3.2 特征选择方法概述 | 第35-41页 |
| 3.2.1 基于方差评估的方法 | 第35页 |
| 3.2.2 单变量特征选择 | 第35-38页 |
| 3.2.3 递归特征消除 | 第38-39页 |
| 3.2.4 基于模型的特征选择方法 | 第39-41页 |
| 3.3 刀具磨损特征分析 | 第41-48页 |
| 3.3.1 刀具特征提取 | 第41-45页 |
| 3.3.2 刀具特征选择 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 多信息单模型拟合与实验分析 | 第49-67页 |
| 4.1 回归模型与参数优化概述 | 第49-53页 |
| 4.1.1 支持向量回归理论 | 第50-52页 |
| 4.1.2 决策回归树理论 | 第52-53页 |
| 4.2 多信息单模型实验设计 | 第53-57页 |
| 4.2.1 特征划分过程 | 第53-56页 |
| 4.2.2 建模过程的实验设计 | 第56页 |
| 4.2.3 模型参数空间设置 | 第56-57页 |
| 4.3 单信息单模型实验分析 | 第57-60页 |
| 4.4 多信息单模型实验分析 | 第60-65页 |
| 4.4.1 单信号多轴向特征融合实验 | 第60-62页 |
| 4.4.2 单轴向多信号特征融合实验 | 第62-64页 |
| 4.4.3 多信号多轴向的特征融合实验 | 第64-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 多模型融合方法与实验验证 | 第67-80页 |
| 5.1 传统的多模型融合理论 | 第67页 |
| 5.2 基于集成方法的多模型融合理论 | 第67-69页 |
| 5.3 基于集成方法的模型融合理论的对比分析 | 第69-70页 |
| 5.4 多模型融合实验概述 | 第70-71页 |
| 5.5 基于集成方法的多模型融合的拟合预测实验 | 第71-79页 |
| 5.5.1 单数据集内的独立实验 | 第72-73页 |
| 5.5.2 多数据集联合的交叉实验 | 第73-76页 |
| 5.5.3 多数据集联合的留一组实验 | 第76-79页 |
| 5.6 本章小结 | 第79-80页 |
| 结束语和展望 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 发表文章 | 第85-86页 |
| 致谢 | 第86页 |
