| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-16页 |
| 1.2.1 不平衡数据的采样算法 | 第10-12页 |
| 1.2.2 不平衡数据的分类算法 | 第12-14页 |
| 1.2.3 不平衡数据分类的评价机制 | 第14页 |
| 1.2.4 基于数据驱动的机床故障诊断 | 第14-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 论文组织架构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关理论基础 | 第19-29页 |
| 2.1 支持向量机的理论基础 | 第19-21页 |
| 2.1.1 支持向量机概述 | 第19页 |
| 2.1.2 支持向量机的提出背景 | 第19-21页 |
| 2.2 引入支持向量机 | 第21-22页 |
| 2.3 传统支持向量在处理不平衡数据上的分析 | 第22-23页 |
| 2.4 基于数据驱动的机床故障诊断的相关理论 | 第23-27页 |
| 2.4.1 EEMD原理简介 | 第23-24页 |
| 2.4.2 CEEMDAN以及ICEEMDAN原理简介 | 第24-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 传统过采样算法性能分析研究 | 第29-41页 |
| 3.1 测验数据集的引入 | 第29-30页 |
| 3.2 基于相同测验数据集的传统过采样算法性能分析 | 第30-36页 |
| 3.2.1 随机过采样算法及其性能分析 | 第30-31页 |
| 3.2.2 SMOTE算法及其性能分析 | 第31-32页 |
| 3.2.3 BSMOTE算法及其性能分析 | 第32-34页 |
| 3.2.4 ANASYN算法及其性能分析 | 第34-36页 |
| 3.3 样本信息量对过采样效果的影响研究及OCAI思想的提出 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 一种基于不平衡数据特性的过采样算法 | 第41-55页 |
| 4.1 本文新型过采样算法提出 | 第41-46页 |
| 4.1.1 样本集中的噪声点的处理 | 第42-44页 |
| 4.1.2 正类样本的排序 | 第44页 |
| 4.1.3 新样本的合成机制 | 第44-46页 |
| 4.2 实验用数据集的选择 | 第46页 |
| 4.3 算法参数的调节 | 第46-47页 |
| 4.4 基于不平衡数据的OSSC的分类效果验证 | 第47-53页 |
| 4.4.1 与传统采样方式相比分类准确率的评价 | 第47-49页 |
| 4.4.2 与传统采样方式相比算法鲁棒性的评价 | 第49-51页 |
| 4.4.3 参数DR与K*对新型过采样算法的影响 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 基于ICEEMDAN-Shannon-OSSC-SVM的机床故障诊断 | 第55-69页 |
| 5.1 机床主轴轴承故障诊断的必要性 | 第55页 |
| 5.2 ICEEMDAN-Shannon能量熵 | 第55-56页 |
| 5.3 基于ICEEMDAN-Shannon-OSSC-SVM的滚动轴承故障诊断原理 | 第56-58页 |
| 5.4 基于ICEEMDAN-Shannon-OSSC-SVM的滚动轴承故障诊断实验 | 第58-67页 |
| 5.4.1 轴承故障诊断的评价机制的引入 | 第58页 |
| 5.4.2 实验数据的选取 | 第58-60页 |
| 5.4.3 实验参数设置 | 第60-61页 |
| 5.4.4 实验结果与分析 | 第61-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第6章 结论与展望 | 第69-73页 |
| 6.1 论文研究结论 | 第69-70页 |
| 6.2 研究展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 附录 A | 第79-80页 |
