基于PCA和SVM的汽车涂装线机电设备智能诊断
摘要 | 第1-5页 |
ABSTRACT | 第5-10页 |
第1章 绪论 | 第10-22页 |
·本课题研究的背景和意义 | 第10页 |
·国内外研究现状 | 第10-14页 |
·故障机理的研究现状 | 第11页 |
·信号处理技术研究现状 | 第11-12页 |
·智能诊断技术研究现状 | 第12-14页 |
·主成分分析法在涂装线设备故障诊断中的应用 | 第14-16页 |
·主成分分析法理论研究现状 | 第14-15页 |
·主成分分析法在涂装线设备故障诊断中的应用 | 第15-16页 |
·支持向量机在涂装线设备故障诊断中的应用 | 第16-18页 |
·支持向量机理论研究现状 | 第16-17页 |
·支持向量机在涂装线设备故障诊断中的应用 | 第17-18页 |
·论文研究内容及创新点 | 第18-22页 |
·论文研究内容 | 第18-20页 |
·论文创新点 | 第20-22页 |
第2章 汽车涂装线各系统主要设备故障及特征分析 | 第22-38页 |
·汽车涂装线工艺及关键设备 | 第22-24页 |
·前处理系统主要设备故障分析 | 第24-28页 |
·水循环系统设备故障分析 | 第24-25页 |
·油水分离器和磷化除渣机设备故障分析 | 第25-26页 |
·磷化液温度控制设备故障分析 | 第26-28页 |
·前处理系统设备数据采集系统 | 第28页 |
·电泳系统主要设备故障分析 | 第28-33页 |
·漆液温度控制系统设备故障分析 | 第31-32页 |
·极液循环、漆液转移和水洗系统设备故障分析 | 第32页 |
·电泳系统设备数据采集系统 | 第32-33页 |
·烘房系统主要设备故障分析 | 第33-36页 |
·升温加热系统设备故障分析 | 第33-34页 |
·热风循环系统设备故障分析 | 第34页 |
·废气处理系统设备故障分析 | 第34-35页 |
·烘房系统设备数据采集系统 | 第35-36页 |
·本章小结 | 第36-38页 |
第3章 基于主成分分析法的故障特征提取 | 第38-54页 |
·主成分分析法概况 | 第38-40页 |
·主成分分析法的基本思路 | 第38-39页 |
·主成分分析法的几何思想 | 第39-40页 |
·主成分分析法的数学表述及最优主成分数的确定 | 第40-43页 |
·主成分分析法的数学表述 | 第40-42页 |
·最优主成分数的确定 | 第42-43页 |
·基于PCA 的涂装线设备信号特征提取 | 第43-47页 |
·PCA 建模 | 第44-46页 |
·基于PCA 的模型改进 | 第46-47页 |
·实例分析 | 第47-53页 |
·涂装线烘房系统结构 | 第47页 |
·燃烧加热系统设备分析与讨论 | 第47-53页 |
·实例总结 | 第53页 |
·本章小结 | 第53-54页 |
第4章 支持向量机在涂装线设备故障诊断中的应用 | 第54-80页 |
·支持向量机分类算法 | 第54-58页 |
·线性最优分类超平面 | 第54-57页 |
·非线性最优分类超平面 | 第57-58页 |
·核参数对分类的影响及惩罚参数C 的优化 | 第58-65页 |
·核函数对分类的影响 | 第59-62页 |
·核参数及惩罚参数C 的优化方法 | 第62-65页 |
·基于PCA 和SVM 的涂装线设备智能诊断 | 第65-67页 |
·PCA 和SVM 结合的基本思想 | 第65-66页 |
·基于PCA 和SVM 的涂装线设备智能诊断框架 | 第66-67页 |
·实例分析 | 第67-78页 |
·烘房燃烧加热系统设备状态特征提取 | 第67-68页 |
·多类SVM 分类器的构造 | 第68-70页 |
·PCA-SVM 模型智能诊断系统的训练 | 第70-77页 |
·PCA-SVM 模型智能诊断系统的测试 | 第77-78页 |
·智能诊断结果分析 | 第78页 |
·本章小结 | 第78-80页 |
第5章 涂装线设备智能监测诊断系统设计 | 第80-94页 |
·系统开发工具的选择 | 第80-81页 |
·LABVIEW 简介 | 第81-82页 |
·监测系统的组成和系统软件结构 | 第82-92页 |
·虚拟仪器监测系统的组成 | 第82-83页 |
·系统的硬件总体结构 | 第83-85页 |
·系统的软件功能结构 | 第85-86页 |
·系统的主要软件功能介绍 | 第86-91页 |
·网络通讯设置 | 第91-92页 |
·本章小结 | 第92-94页 |
第6章 结论与展望 | 第94-96页 |
·结论 | 第94-95页 |
·展望 | 第95-96页 |
附录 | 第96-104页 |
参考文献 | 第104-108页 |
致谢 | 第108-110页 |
攻读学位期间参加的科研项目和成果 | 第110页 |