摘要 | 第1-9页 |
ABSTRACT | 第9-11页 |
插图索引 | 第11-12页 |
附表索引 | 第12-13页 |
第1章 绪论 | 第13-20页 |
·选题背景与意义 | 第13-14页 |
·数据驱动故障诊断的国内外研究现状 | 第14页 |
·特征信息的建模方法研究 | 第14-16页 |
·特征变换方法 | 第15页 |
·特征选择方法 | 第15页 |
·特征加权方法 | 第15-16页 |
·特征信息融合方法 | 第16页 |
·不均衡故障数据的挖掘方法 | 第16-18页 |
·基于不均衡数据的采样方法 | 第16-17页 |
·基于分类器的改进算法 | 第17-18页 |
·基于数据迁移的学习方法 | 第18页 |
·主要内容与安排 | 第18-20页 |
第2章 KPCA-SVM的故障诊断方法研究 | 第20-29页 |
·引言 | 第20页 |
·信号的多域量化特征提取 | 第20-23页 |
·信号时域特征提取 | 第20-21页 |
·信号的频域特征提取 | 第21-22页 |
·信号的时频域特征提取 | 第22-23页 |
·KPCA方法研究 | 第23-26页 |
·PCA模型 | 第23-24页 |
·核方法 | 第24页 |
·核函数的选择 | 第24-25页 |
·核参数的优化 | 第25-26页 |
·支持向量机 | 第26-27页 |
·SVM基本思想 | 第26页 |
·线性支持向量机 | 第26-27页 |
·KPCA-SVM故障诊断流程设计 | 第27-28页 |
·本章小结 | 第28-29页 |
第3章 特征选择与特征信息融合的加权KPCA方法研究 | 第29-36页 |
·引言 | 第29页 |
·特征选择方法 | 第29-31页 |
·类间可分性 | 第29-30页 |
·ReliefF算法 | 第30页 |
·二次特征选择组合方法 | 第30-31页 |
·基于特征选择与特征信息融合的加权KPCA方法 | 第31-32页 |
·加权KPCA算法 | 第31-32页 |
·基于特征选择与特征信息融合的加权KPCA算法设计 | 第32页 |
·实验与结果分析 | 第32-35页 |
·特征选择与特征信息融合的分析应用 | 第33-34页 |
·WKPCA的分析应用情况分析 | 第34-35页 |
·本章小结 | 第35-36页 |
第4章 不均衡故障数据集的分类算法研究 | 第36-43页 |
·引言 | 第36页 |
·不均衡数据的采样方法 | 第36-38页 |
·不均衡数据简介 | 第36-37页 |
·基于不均衡数据的采样方法 | 第37-38页 |
·滑动窗口相似性因子分析的不均衡故障数据分类方法 | 第38-40页 |
·滑动窗口技术 | 第38页 |
·相似性因子分析 | 第38-39页 |
·基于滑动窗口相似性因子分析的故障数据分类方法 | 第39-40页 |
·实验与结果分析 | 第40-42页 |
·本章小结 | 第42-43页 |
第5章 基于虚拟仪器技术的数据采集实验设计 | 第43-49页 |
·引言 | 第43页 |
·测试系统的结构组成 | 第43-44页 |
·数据采集系统的虚拟控件化设计 | 第44-48页 |
·数据采集装置及其软件接口 | 第44-45页 |
·基于虚拟仪器仪表的用户界面设计 | 第45-47页 |
·数据采集系统用户界面 | 第47-48页 |
·本章小结 | 第48-49页 |
总结与展望 | 第49-51页 |
主要结论 | 第49页 |
研究展望 | 第49-51页 |
参考文献 | 第51-56页 |
致谢 | 第56-57页 |
附录A 攻读学位期间所发表的学术论文目录 | 第57-58页 |
附录B 参加科研项目情况 | 第58-59页 |
附录C 部分用户界面的CSHARP程序 | 第59-61页 |