飞行器液压舵面作动机构故障诊断研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11-12页 |
| 1.2 故障诊断中的信号分析处理技术 | 第12-17页 |
| 1.2.1 信号分析处理的概念 | 第12-13页 |
| 1.2.2 传统的信号处理技术 | 第13-14页 |
| 1.2.3 现代信号处理技术 | 第14-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第二章 小波分析理论 | 第19-28页 |
| 2.1 小波变换 | 第19-23页 |
| 2.1.1 函数展开、积分变换与小波函数 | 第19-20页 |
| 2.1.2 小波变换的定义及性质 | 第20-22页 |
| 2.1.3 小波变换的分辨率 | 第22-23页 |
| 2.2 小波包变换 | 第23-26页 |
| 2.2.1 小波包的定义 | 第23-24页 |
| 2.2.2 小波包的分解、重建与能量 | 第24-26页 |
| 2.3 信号的小波降噪 | 第26-27页 |
| 2.3.1 去噪效果评价标准 | 第26页 |
| 2.3.2 小波信号降噪原理与降噪步骤 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 经验模式分解(EMD)理论 | 第28-34页 |
| 3.1 瞬时频率的概念 | 第28-29页 |
| 3.2 本征模函数(IMF) | 第29页 |
| 3.3 经验模式分解(EMD)方法 | 第29-32页 |
| 3.4 本征模分量的选择 | 第32-33页 |
| 3.5 基于 EMD 和小波的降噪 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 支持向量机理论 | 第34-40页 |
| 4.1 概述 | 第34页 |
| 4.2 统计学习理论 | 第34-37页 |
| 4.2.1 机器学习 | 第35页 |
| 4.2.2 统计学习理论的发展历程 | 第35-36页 |
| 4.2.3 VC 维与结构风险最小化准则 | 第36-37页 |
| 4.3 支持向量机 | 第37-39页 |
| 4.3.1 最优分类超平面 | 第37-38页 |
| 4.3.2 核函数与构造支持向量机 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 仿真系统及其故障诊断应用研究 | 第40-63页 |
| 5.1 仿真系统介绍 | 第40-42页 |
| 5.2 转轴损伤诊断技术研究 | 第42-55页 |
| 5.2.2 基于小波包能量的损伤特征向量提取 | 第43-46页 |
| 5.2.3 基于 EMD 的损伤特征提取 | 第46-52页 |
| 5.2.4 基于支持向量机的损伤识别 | 第52-55页 |
| 5.3 舵面轴承卡阻故障诊断技术 | 第55-62页 |
| 5.3.1 基于小波包能量的故障特征提取 | 第56-57页 |
| 5.3.2 基于 EMD 的故障特征提取 | 第57-60页 |
| 5.3.3 基于支持向量机的轴承卡阻故障识别 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 液压舵面作动机构故障诊断 | 第63-71页 |
| 6.1 试验平台与方法介绍 | 第63-64页 |
| 6.2 转轴损伤诊断 | 第64-68页 |
| 6.2.1 信号降噪 | 第65-66页 |
| 6.2.2 特征提取与故障诊断 | 第66-68页 |
| 6.3 轴承卡阻故障诊断 | 第68-69页 |
| 6.4 本章小结 | 第69-71页 |
| 第七章 总结与展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
