| 摘要 | 第1-5页 |
| Abstract | 第5-15页 |
| 第1章 绪论 | 第15-29页 |
| ·液压系统状态监测和故障诊断的意义 | 第15-16页 |
| ·液压系统故障检测与诊断技术的进展 | 第16-22页 |
| ·神经网络方法 | 第17-18页 |
| ·支持向量机方法 | 第18页 |
| ·故障树方法 | 第18-19页 |
| ·灰色理论方法 | 第19页 |
| ·专家系统方法 | 第19-20页 |
| ·遗传算法方法 | 第20页 |
| ·模糊数学方法 | 第20-21页 |
| ·智能融合故障诊断方法 | 第21-22页 |
| ·人工免疫系统综述 | 第22-24页 |
| ·人工免疫系统工程应用 | 第22-23页 |
| ·人工免疫方法在异常检测中的应用 | 第23-24页 |
| ·支持向量机 | 第24-26页 |
| ·支持向量机学习算法研究 | 第24-25页 |
| ·支持向量机应用研究 | 第25-26页 |
| ·本文研究的意义及主要内容 | 第26-29页 |
| ·本文研究的意义 | 第26-27页 |
| ·本文研究的主要内容 | 第27-29页 |
| 第2章 免疫机理和支持向量机在故障诊断中的应用 | 第29-47页 |
| ·引言 | 第29页 |
| ·生物免疫系统 | 第29-31页 |
| ·基本概念 | 第29-30页 |
| ·免疫细胞 | 第30页 |
| ·B 细胞与T 细胞 | 第30-31页 |
| ·人工免疫系统 | 第31-35页 |
| ·免疫学习机理 | 第31-32页 |
| ·人工免疫算法 | 第32-34页 |
| ·人工免疫机理在故障诊断的应用 | 第34-35页 |
| ·支持向量机 | 第35-42页 |
| ·支持向量机的基本原理 | 第36-39页 |
| ·支持向量机的特点 | 第39-41页 |
| ·基于支持向量机故障诊断的基本步骤 | 第41-42页 |
| ·支持向量分类机建立及分析 | 第42-46页 |
| ·支持向量分类机建立 | 第42-43页 |
| ·典型核函数参数选择分析 | 第43-44页 |
| ·故障泵振动信号的支持向量机诊断分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 基于NS 机理和SVM 复合故障检测方法 | 第47-61页 |
| ·引言 | 第47页 |
| ·传统分类算法的局限性 | 第47-48页 |
| ·支持向量机的不足 | 第48页 |
| ·阴性选择算法 | 第48-52页 |
| ·阴性选择算法原理 | 第48-50页 |
| ·编码二进制阴性选择算法 | 第50-51页 |
| ·实值阴性选择算法 | 第51-52页 |
| ·NS 与SVM 复合故障诊断方法 | 第52-55页 |
| ·复合故障诊断方法原理 | 第52-53页 |
| ·RNS 与SVM 复合算法 | 第53-55页 |
| ·实例仿真 | 第55-59页 |
| ·测试数据 | 第55-56页 |
| ·测试过程 | 第56-58页 |
| ·结果分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第4章 振动信号处理及特征提取 | 第61-83页 |
| ·引言 | 第61页 |
| ·小波理论及其在信号处理中的应用 | 第61-67页 |
| ·理论背景 | 第61-62页 |
| ·小波分析 | 第62-65页 |
| ·小波包分析 | 第65-67页 |
| ·振动加速度信号的解调方法 | 第67-78页 |
| ·Hilbert 包络解调原理 | 第68-69页 |
| ·基于复解析小波簇解调原理 | 第69-74页 |
| ·能量算子解调原理 | 第74-75页 |
| ·故障泵振动信号的小波簇包络解调 | 第75-78页 |
| ·振动信号特征提取 | 第78-81页 |
| ·小波包分解故障特征提取算法 | 第78-79页 |
| ·故障泵振动信号的特征提取 | 第79-81页 |
| ·本章小结 | 第81-83页 |
| 第5章 基于核主元分析的故障特征降维方法 | 第83-91页 |
| ·引言 | 第83-84页 |
| ·主元分析方法 | 第84-85页 |
| ·基于核主元分析的故障特征选择原理和算法 | 第85-88页 |
| ·基本原理 | 第85-87页 |
| ·KPCA 算法步骤 | 第87-88页 |
| ·基于KPCA 的特征降维仿真分析 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第6章 液压泵故障诊断的试验研究 | 第91-112页 |
| ·引言 | 第91页 |
| ·基于虚拟仪器的液压泵故障诊断试验系统 | 第91-94页 |
| ·试验系统组成 | 第92-93页 |
| ·虚拟仪器状态监控系统 | 第93-94页 |
| ·斜盘式轴向柱塞泵滑靴副动力学分析 | 第94-99页 |
| ·圆盘的油膜挤压效应 | 第94-95页 |
| ·圆形平面的静压支承效应 | 第95-98页 |
| ·油膜热楔效应 | 第98页 |
| ·滑靴的动态分析 | 第98-99页 |
| ·斜盘式轴向柱塞泵故障分析 | 第99-100页 |
| ·松靴故障机理分析 | 第99-100页 |
| ·配流盘磨损故障机理分析 | 第100页 |
| ·液压泵监测信号的采集与处理 | 第100-106页 |
| ·泵端盖振动加速度信号 | 第100-101页 |
| ·泵出口压力信号 | 第101-102页 |
| ·监测信号的频谱分析 | 第102-103页 |
| ·泵端盖振动信号的小波簇包络解调 | 第103-104页 |
| ·包络信号的小波包分解及特征提取 | 第104-106页 |
| ·NS 和SVM 复合方法在斜盘式轴向柱塞泵故障诊断中的应用 | 第106-111页 |
| ·基于核主元分析的故障样本降维 | 第106-107页 |
| ·NS 和SVM 复合方法的应用 | 第107-110页 |
| ·结果分析 | 第110-111页 |
| ·本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 附录 | 第114-115页 |
| 参考文献 | 第115-127页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第127-129页 |
| 致谢 | 第129-130页 |
| 作者简介 | 第130页 |