基于闪烁体核探测器信号特征分类的故障诊断方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 设备故障诊断的基本方法 | 第13页 |
| 1.4 本文所用到的方法 | 第13-14页 |
| 1.5 论文的结构和内容安排 | 第14-17页 |
| 第2章 探测器在正常状态和故障状态时输出信号 | 第17-29页 |
| 2.1 闪烁体核探测器原理 | 第17-21页 |
| 2.1.1 构成 | 第17-18页 |
| 2.1.2 工作原理 | 第18-21页 |
| 2.2 核信号仿真算法 | 第21-23页 |
| 2.3 故障核信号仿真 | 第23-27页 |
| 2.4 小结 | 第27-29页 |
| 第3章 故障分类的理论基础 | 第29-43页 |
| 3.1 小波变换原理 | 第29-32页 |
| 3.1.1 连续小波变换 | 第29-30页 |
| 3.1.2 离散小波变换 | 第30-31页 |
| 3.1.3 小波分解 | 第31页 |
| 3.1.4 小波包分解 | 第31-32页 |
| 3.2 小波包分解提取特征向量 | 第32-35页 |
| 3.2.1 小波基函数的选择 | 第33页 |
| 3.2.2 小波包算法提取信号的特征向量 | 第33-35页 |
| 3.3 机器学习 | 第35-41页 |
| 3.3.1 概述 | 第35页 |
| 3.3.2 VC维概念 | 第35-36页 |
| 3.3.3 推广性的界 | 第36-37页 |
| 3.3.4 结构风险最小化原则 | 第37-38页 |
| 3.3.5 支持向量机理论基础 | 第38-41页 |
| 3.4 支持向量机模型 | 第41-43页 |
| 第4章 单故障诊断 | 第43-51页 |
| 4.1 单故障仿真实验 | 第43-46页 |
| 4.2 故障程度对诊断准确率的影响 | 第46-47页 |
| 4.3 脉冲参数测量 | 第47-51页 |
| 第5章 多故障诊断 | 第51-63页 |
| 5.1 准备工作 | 第51页 |
| 5.2 正常信号与两种故障诊断 | 第51-58页 |
| 5.3 正常信号与三种故障诊断 | 第58-60页 |
| 5.4 正常信号与四种故障诊断 | 第60页 |
| 5.5 故障程度的影响 | 第60-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第6章 结论 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 不足与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者攻读学位期间的科研成果 | 第69-71页 |
| 致谢 | 第71页 |
