基于支持向量机的乳化器故障诊断系统的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题来源 | 第11-12页 |
| 1.2 故障诊断技术的概述 | 第12-14页 |
| 1.2.1 机械故障诊断技术的目的 | 第12页 |
| 1.2.2 机械故障诊断技术的发展 | 第12-13页 |
| 1.2.3 故障诊断技术的未来趋势 | 第13-14页 |
| 1.3 支持向量机(SVM)在故障诊断中的应用 | 第14-16页 |
| 1.3.1 支持向量机的发展历史 | 第14页 |
| 1.3.2 支持向量机的优点和问题 | 第14-15页 |
| 1.3.3 支持向量机在故障诊断中的研究现状 | 第15-16页 |
| 1.4 论文的研究目的和主要内容 | 第16-18页 |
| 1.4.1 论文的目的 | 第16页 |
| 1.4.2 论文的主要内容 | 第16-18页 |
| 第二章 乳化器故障特征分析及故障诊断方案 | 第18-33页 |
| 2.1 乳化炸药生产线的工艺流程 | 第18-20页 |
| 2.1.1 原料配置工艺 | 第19页 |
| 2.1.2 连续乳化工艺 | 第19-20页 |
| 2.1.3 冷却环节 | 第20页 |
| 2.1.4 敏化环节 | 第20页 |
| 2.2 乳化器的选型 | 第20-22页 |
| 2.3 乳化器故障机理及振动特征 | 第22-29页 |
| 2.3.1 转子不平衡故障机理及特征 | 第23-24页 |
| 2.3.2 转子不对中的故障机理及特征 | 第24-26页 |
| 2.3.3 轴承故障机理及特征 | 第26-29页 |
| 2.3.4 转子摩擦故障 | 第29页 |
| 2.4 故障特征信号的提取 | 第29-31页 |
| 2.5 乳化器故障诊断系统的设计方案 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 支持向量机方法的研究 | 第33-47页 |
| 3.1 统计学习和SVM基本理论 | 第33-37页 |
| 3.1.1 机器学习 | 第33-34页 |
| 3.1.2 统计学习 | 第34-35页 |
| 3.1.3 VC维和推广型的界 | 第35-36页 |
| 3.1.4 结构风险最小化原则 | 第36-37页 |
| 3.2 支持向量机 | 第37-40页 |
| 3.2.1 线性可分支持向量机 | 第37-39页 |
| 3.2.2 广义线性支持向量机 | 第39-40页 |
| 3.3 核函数 | 第40-41页 |
| 3.4 支持向量机的训练方法 | 第41-43页 |
| 3.5 基于支持向量机的故障诊断系统的实验分析 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 故障诊断系统的设计 | 第47-55页 |
| 4.1 故障诊断系统硬件结构设计 | 第47-52页 |
| 4.1.1 故障诊断系统设计 | 第47页 |
| 4.1.2 故障诊断系统设计的基本原则 | 第47-48页 |
| 4.1.3 振动传感器的选型 | 第48-49页 |
| 4.1.4 振动信号变送器 | 第49-50页 |
| 4.1.5 PLC型号选择 | 第50-51页 |
| 4.1.6 上位机硬件平台 | 第51-52页 |
| 4.1.7 硬件系统安装要求 | 第52页 |
| 4.2 系统软件设计 | 第52-54页 |
| 4.2.1 诊断系统的软件设计 | 第52-53页 |
| 4.2.2 诊断系统的软件工具 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 故障诊断系统的参数选优与系统建立 | 第55-66页 |
| 5.1 构造SVM分类模型 | 第55-57页 |
| 5.1.1 核函数的选取 | 第55-56页 |
| 5.1.2 核参数的选取 | 第56页 |
| 5.1.3 SVM工具软件的选择 | 第56-57页 |
| 5.1.4 SVM分类方法的选择 | 第57页 |
| 5.1.5 SVM训练算法的选择 | 第57页 |
| 5.2 SVM分类训练 | 第57-59页 |
| 5.2.1 样本分类和参数选择 | 第57-58页 |
| 5.2.2 分类算法的测试 | 第58-59页 |
| 5.3 故障诊断系统的软件设置和界面设计 | 第59-64页 |
| 5.3.1 组态王的变量设置 | 第59-60页 |
| 5.3.2 组态王和数据库的连接 | 第60页 |
| 5.3.3 VB软件对Matlab的调用 | 第60页 |
| 5.3.4 界面设计 | 第60-64页 |
| 5.4 仿真测试 | 第64-65页 |
| 5.5 本章总结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 研究展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录A | 第72-73页 |
| 附录B | 第73-74页 |
