基于全矢奇异值分解的机械故障预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题来源 | 第10页 |
| 1.2 设备故障预测的意义 | 第10-11页 |
| 1.3 设备故障预测的研究现状 | 第11-14页 |
| 1.3.1 基于模型的预测方法 | 第11-12页 |
| 1.3.2 基于知识的预测方法 | 第12页 |
| 1.3.3 基于数据的预测方法 | 第12-14页 |
| 1.4 同源信息融合技术的研究现状 | 第14-16页 |
| 1.4.1 全息谱技术 | 第15页 |
| 1.4.2 全频谱技术 | 第15页 |
| 1.4.3 全矢谱技术 | 第15-16页 |
| 1.5 本文的研究目的和意义 | 第16-17页 |
| 1.6 本文主要内容与结构框架 | 第17-19页 |
| 1.6.1 主要研究内容 | 第17-18页 |
| 1.6.2 本文结构安排 | 第18-19页 |
| 2 奇异值分解理论及应用 | 第19-32页 |
| 2.1 引言 | 第19-20页 |
| 2.2 SVD原理及性质 | 第20-22页 |
| 2.2.1 SVD原理 | 第20-21页 |
| 2.2.2 SVD性质及意义 | 第21-22页 |
| 2.3 SVD信号处理流程 | 第22-24页 |
| 2.3.1 信号时域矩阵的构造 | 第22-23页 |
| 2.3.2 信号特征分量提取 | 第23-24页 |
| 2.3.3 信号恢复 | 第24页 |
| 2.4 仿真分析 | 第24-28页 |
| 2.5 实例分析 | 第28-30页 |
| 2.6 本章小结 | 第30-32页 |
| 3 全矢奇异值分解理论及应用 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 全矢谱技术的基本理论 | 第32-36页 |
| 3.3 全矢谱技术的应用 | 第36-38页 |
| 3.4 全矢奇异值分解 | 第38-39页 |
| 3.5 实例分析 | 第39-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 基于多变量ELM的频谱结构预测 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 极限学习机原理 | 第46-49页 |
| 4.3 基与ELM的多变量预测方法 | 第49-51页 |
| 4.4 基于多变量ELM的滚动轴承频谱预测 | 第51-56页 |
| 4.4.1 预测流程 | 第51-52页 |
| 4.4.2 数据采集与分析 | 第52-54页 |
| 4.4.3 隐层节点数的选取 | 第54-55页 |
| 4.4.4 预测结果分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 基于SVDELM的频谱结构预测 | 第58-68页 |
| 5.1 引言 | 第58页 |
| 5.2 奇异值分解极限学习机原理 | 第58-61页 |
| 5.3 SVDELM与极限学习机 | 第61-62页 |
| 5.4 基于SVDELM的滚动轴承频谱预测 | 第62-67页 |
| 5.4.1 预测流程 | 第62-64页 |
| 5.4.2 预测结果分析 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 结论与展望 | 第68-71页 |
| 6.1 本文总结 | 第68-69页 |
| 6.2 关键技术和创新点 | 第69页 |
| 6.2.1 关键技术 | 第69页 |
| 6.2.2 创新点 | 第69页 |
| 6.3 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第75-76页 |
| 致谢 | 第76页 |
