面向旋转机械的支持向量机方法及智能故障诊断系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-21页 |
| ·旋转机械设备故障诊断的意义 | 第10-11页 |
| ·旋转机械故障诊断技术的研究现状 | 第11-15页 |
| ·故障信息获取 | 第12页 |
| ·状态监测方法 | 第12页 |
| ·故障特征分析 | 第12-13页 |
| ·故障机理研究 | 第13页 |
| ·故障识别及其专家系统 | 第13-15页 |
| ·支持向量机理论及其应用研究的国内外发展概况 | 第15-18页 |
| ·理论研究的发展与现状 | 第15-16页 |
| ·应用研究的发展与现状 | 第16-18页 |
| ·本论文的主要研究内容和总体结构 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 支持向量机与模式识别系统 | 第21-41页 |
| ·引言 | 第21页 |
| ·统计学习理论基础 | 第21-26页 |
| ·统计学习理论的基本研究内容 | 第21页 |
| ·学习问题的一般表示 | 第21-23页 |
| ·统计学习理论的核心内容 | 第23-26页 |
| ·支持向量机理论 | 第26-31页 |
| ·最优分类面 | 第27-28页 |
| ·广义最优分类面 | 第28-29页 |
| ·高维空间中的最优分类面 | 第29-30页 |
| ·支持向量机 | 第30-31页 |
| ·核函数 | 第31页 |
| ·模式识别系统 | 第31-40页 |
| ·数据获取 | 第32页 |
| ·预处理 | 第32页 |
| ·特征提取和选择 | 第32-39页 |
| ·模式分类 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于支持向量机的旋转机械故障模式识别 | 第41-51页 |
| ·引言 | 第41页 |
| ·常见旋转机械振动故障机理 | 第41-44页 |
| ·转子不平衡故障 | 第41-42页 |
| ·转子不对中故障 | 第42-43页 |
| ·油膜涡动故障 | 第43-44页 |
| ·转子横向裂纹故障 | 第44页 |
| ·基于多类分类的支持向量机 | 第44-47页 |
| ·一对多算法 | 第45页 |
| ·一对一算法 | 第45-46页 |
| ·有向无环图算法 | 第46-47页 |
| ·实验分析 | 第47-50页 |
| ·实验装置的结构与组成 | 第47-48页 |
| ·实验分析 | 第48-50页 |
| ·实验结论 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第四章 嵌入式旋转机械振动信号采集系统 | 第51-63页 |
| ·引言 | 第51页 |
| ·振动传感器的选择 | 第51-52页 |
| ·嵌入式系统底层平台的构架 | 第52-54页 |
| ·嵌入式系统概念 | 第52页 |
| ·嵌入式软硬件平台的选择 | 第52-54页 |
| ·嵌入式旋转机械振动信号采集模块设计 | 第54-62页 |
| ·整周期采样理论 | 第55-56页 |
| ·整周期采样方案 | 第56-57页 |
| ·键相电路设计 | 第57-59页 |
| ·振动信号预处理 | 第59页 |
| ·振动信号采集设计 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于支持向量机的旋转机械故障诊断原型系统 | 第63-69页 |
| ·引言 | 第63页 |
| ·软件开发工具介绍 | 第63-65页 |
| ·MATLAB | 第63-64页 |
| ·LabVIEW | 第64-65页 |
| ·LabVIEW与MATLAB接口实现方法 | 第65-66页 |
| ·系统设计方案及功能模块 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 总结和展望 | 第69-71页 |
| ·研究总结 | 第69页 |
| ·研究展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的学术论文及参与的项目 | 第77-78页 |
| 致谢 | 第78页 |
