基于知识的故障诊断方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 故障诊断技术 | 第12-16页 |
| 1.2.1 故障诊断方法分类介绍 | 第12-14页 |
| 1.2.2 故障诊断方法研究现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第二章 基于知识的故障诊断方法分析 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 基于知识的故障诊断方法 | 第18-22页 |
| 2.2.1 基于定性的故障诊断方法 | 第19-20页 |
| 2.2.2 基于定量的故障诊断方法 | 第20-22页 |
| 2.2.3 定性与定量方法的对比 | 第22页 |
| 2.3 基于统计的故障诊断方法 | 第22-24页 |
| 2.3.1 故障诊断分类方法 | 第22-23页 |
| 2.3.2 数据预处理 | 第23页 |
| 2.3.3 故障分类距离度量 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于变量加权线性的线性故障诊断方法 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 线性的故障诊断方法原理 | 第25-32页 |
| 3.2.1 FDA方法原理 | 第26-27页 |
| 3.2.2 LFDA方法原理 | 第27-30页 |
| 3.2.3 JFDA算法原理 | 第30-32页 |
| 3.3 线性的变量加权方法 | 第32-36页 |
| 3.3.1 基于故障方向和标准故障方向的变量加权 | 第32-33页 |
| 3.3.2 基于CPV和偏F值的变量加权方法 | 第33-36页 |
| 3.4 基于VWJFDA故障诊断方法 | 第36-37页 |
| 3.5 实验设计及结果分析 | 第37-41页 |
| 3.5.1 实验数据简介 | 第37-39页 |
| 3.5.2 不同算法的对比实验 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于变量加权的非线性故障诊断方法 | 第42-52页 |
| 4.1 核方法基础 | 第42-43页 |
| 4.1.1 核方法的基本思想 | 第42页 |
| 4.1.2 常用核函数 | 第42-43页 |
| 4.2 非线性的故障诊断方法原理 | 第43-45页 |
| 4.2.1 KFDA方法原理 | 第43-44页 |
| 4.2.2 KLFDA方法原理 | 第44页 |
| 4.2.3 KJFDA方法原理 | 第44-45页 |
| 4.3 基于核目标对齐的非线性变量加权 | 第45-47页 |
| 4.4 基于VWKJFDA故障诊断方法 | 第47-48页 |
| 4.5 实验设计及结果分析 | 第48-50页 |
| 4.5.1 实验数据的选取 | 第48页 |
| 4.5.2 算法实验结果 | 第48-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 基于DBN和FDA的故障诊断方法 | 第52-68页 |
| 5.1 引言 | 第52-53页 |
| 5.2 RBM玻尔兹曼机原理 | 第53-56页 |
| 5.3 反向传播算法原理 | 第56-59页 |
| 5.4 DBN的训练 | 第59-60页 |
| 5.5 DBN-FDA的故障诊断方法 | 第60-63页 |
| 5.5.1 DBN模型的参数设置 | 第60-61页 |
| 5.5.2 DBN-FDA算法设计 | 第61-63页 |
| 5.6 实验设计与结果分析 | 第63-67页 |
| 5.6.1 实验数据的选取 | 第63-64页 |
| 5.6.2 算法的实验对比 | 第64-67页 |
| 5.7 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 工作及结论 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间的研究成果 | 第75页 |
