| 摘要 | 第6-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题概述 | 第13-15页 |
| 1.1.1 课题来源 | 第13页 |
| 1.1.2 课题研究目的 | 第13-14页 |
| 1.1.3 课题研究意义 | 第14-15页 |
| 1.2 课题背景 | 第15-19页 |
| 1.2.1 旋转机械关键零部件的退化评估的国内外研究现状 | 第15-17页 |
| 1.2.2 逻辑回归和支持向量机应用发展现状 | 第17-19页 |
| 1.3 本文的主要研究工作 | 第19-21页 |
| 第二章 逻辑回归与支持向量机理论 | 第21-38页 |
| 2.1 引言 | 第21页 |
| 2.2 逻辑回归理论 | 第21-25页 |
| 2.2.1 逻辑回归理论概述 | 第22-23页 |
| 2.2.2 逻辑回归模型估计 | 第23-25页 |
| 2.3 支持向量机理论 | 第25-37页 |
| 2.3.1 统计学习理论基础 | 第25-28页 |
| 2.3.2 最优分类面的构造 | 第28-30页 |
| 2.3.3 广义最优分类面 | 第30-31页 |
| 2.3.4 非线性分类 | 第31-32页 |
| 2.3.5 核函数 | 第32页 |
| 2.3.6 支持向量机训练算法 | 第32-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 退化评估和趋势预测模型研究 | 第38-51页 |
| 3.1 引言 | 第38页 |
| 3.2 设备状态模型构建分析及基本假设 | 第38-43页 |
| 3.2.1 机械设备常见的故障模式 | 第38-40页 |
| 3.2.2 常见机械设备的劣化过程及建模的基本假设 | 第40页 |
| 3.2.3 常见旋转机械振动故障 | 第40-43页 |
| 3.3 基于逻辑回归的设备性能退化评估 | 第43-46页 |
| 3.3.1 基于逻辑回归的性能退化评估模型 | 第43-44页 |
| 3.3.2 逻辑回归模型参数的选择 | 第44-46页 |
| 3.4 基于支持向量机的设备状态趋势预测 | 第46-50页 |
| 3.4.1 基于支持向量机的趋势预测模型 | 第46-47页 |
| 3.4.2 核函数和参数的选择 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 实例分析与验证 | 第51-68页 |
| 4.1 引言 | 第51页 |
| 4.2 实验对象及实验设备 | 第51-54页 |
| 4.2.1 实验目的 | 第51页 |
| 4.2.2 Bentley RK4 转子试验台 | 第51-52页 |
| 4.2.3 试验参数 | 第52-53页 |
| 4.2.4 采集设备 | 第53-54页 |
| 4.3 实验方案与操作流程 | 第54-57页 |
| 4.3.1 实验方案 | 第54-55页 |
| 4.3.2 操作流程 | 第55-57页 |
| 4.4 转子典型故障信号实验分析 | 第57-64页 |
| 4.4.1 实验数据预处理 | 第57-59页 |
| 4.4.2 实验数据分析 | 第59-64页 |
| 4.5 轴承数据分析 | 第64-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 设备性能状态评估和趋势预测子系统设计 | 第68-78页 |
| 5.1 引言 | 第68页 |
| 5.2 设备性能状态评估和趋势预测子系统构架设计 | 第68-77页 |
| 5.2.1 子系统ActiveX 控件设计 | 第70-73页 |
| 5.2.2 子系统DCOM 设计 | 第73-75页 |
| 5.2.3 子系统数据库设计与实现 | 第75-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 本文总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位论文期间发表的论文 | 第84页 |