| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-18页 |
| 1.2.1 旋转机械故障诊断技术的研究现状及分析 | 第12-14页 |
| 1.2.2 MKL 的研究现状及分析 | 第14-18页 |
| 1.3 本文研究的意义和主要内容 | 第18-21页 |
| 1.3.1 本文研究的意义 | 第18-19页 |
| 1.3.2 本文研究的主要内容 | 第19-21页 |
| 第2章 多核学习支持向量机理论基础 | 第21-35页 |
| 2.1 机器学习 | 第21-22页 |
| 2.2 支持向量机基本理论 | 第22-28页 |
| 2.2.1 线性可分支持向量机 | 第22-24页 |
| 2.2.2 广义线性支持向量机 | 第24-26页 |
| 2.2.3 核特征空间的非线性映射算法 | 第26页 |
| 2.2.4 核函数的类型 | 第26-27页 |
| 2.2.5 非线性支持向量机 | 第27-28页 |
| 2.3 多核学习支持向量机基本理论 | 第28-34页 |
| 2.3.1 多核学习的引入 | 第28-30页 |
| 2.3.2 多核学习支持向量机模型 | 第30-32页 |
| 2.3.3 多核学习问题求解算法 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于 MKL 方法在 EEMD 数据处理中的应用 | 第35-56页 |
| 3.1 引言 | 第35页 |
| 3.2 振动信号处理 | 第35-48页 |
| 3.2.1 EEMD 分解在数据处理中的应用 | 第36-39页 |
| 3.2.2 液压泵状态信号采集 | 第39-41页 |
| 3.2.3 液压泵正常状态振动信号分析 | 第41-43页 |
| 3.2.4 液压泵滑靴磨损故障振动信号分析 | 第43-45页 |
| 3.2.5 液压泵单柱塞松靴故障振动信号分析 | 第45-47页 |
| 3.2.6 液压泵中心弹簧失效故障振动信号分析 | 第47-48页 |
| 3.3 基于 MKL 的 IMF 分量选择方法 | 第48-52页 |
| 3.3.1 IMF 分量的选取方法 | 第49-50页 |
| 3.3.2 多核学习确定 IMF | 第50-52页 |
| 3.4 基于 MKL 确定 IMF 分量结果分析 | 第52-55页 |
| 3.4.1 正常和滑靴磨损 IMF 分量的确定 | 第52-53页 |
| 3.4.2 正常和单柱塞松靴 IMF 分量的确定 | 第53-54页 |
| 3.4.3 正常和中心弹簧失效 IMF 分量的确定 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 基于多核学习 SVM 的故障识别方法 | 第56-70页 |
| 4.1 引言 | 第56页 |
| 4.2 仿真实验及结果分析 | 第56-61页 |
| 4.2.1 实验数据源简介 | 第56页 |
| 4.2.2 分类算法评价指标 | 第56-57页 |
| 4.2.3 MKL 在二分类标准数据集中的应用 | 第57-59页 |
| 4.2.4 MKL 在多分类标准数据集中的应用 | 第59-61页 |
| 4.3 基于 MKL 的液压泵故障识别 | 第61-64页 |
| 4.3.1 MKL 液压泵故障诊断流程 | 第61-62页 |
| 4.3.2 液压泵故障识别实验结果分析 | 第62-64页 |
| 4.4 基于 MKL 的轴承故障识别 | 第64-69页 |
| 4.4.1 轴承振动测试实验方案设计与信号采集 | 第65-66页 |
| 4.4.2 数据处理和特征提取 | 第66-67页 |
| 4.4.3 轴承的故障识别 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 基于多核多特征液压泵故障识别方法 | 第70-79页 |
| 5.1 引言 | 第70页 |
| 5.2 特征提取 | 第70-72页 |
| 5.2.1 AR 模型提取故障特征 | 第70-71页 |
| 5.2.2 奇异值分解提取故障特征 | 第71-72页 |
| 5.3 特征组合 | 第72-74页 |
| 5.3.1 特征组合的概念 | 第72页 |
| 5.3.2 特征组合方法 | 第72-74页 |
| 5.4 基于多核多特征液压泵故障识别方法 | 第74-78页 |
| 5.4.1 多核多特征故障诊断流程 | 第74-75页 |
| 5.4.2 多核多特征故障识别算法 | 第75-76页 |
| 5.4.3 多核多特征液压泵故障识别结果分析 | 第76-78页 |
| 5.5 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 作者简介 | 第87页 |