首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于支持向量数据描述的滚动轴承性能退化评估

摘要第1-5页
ABSTRACT第5-9页
主要符号说明第9-10页
第一章 绪论第10-17页
   ·研究背景及意义第10页
   ·国内外研究现状第10-15页
     ·退化特征提取第11-13页
     ·评估模型的建立第13-15页
   ·主要研究内容与结构安排第15-17页
第二章 基于熵度量的退化特征提取第17-34页
   ·提升小波变换及提升小波包理论第17-22页
     ·提升小波变换原理第17-19页
     ·提升算子系数的求解方法第19-20页
     ·提升算子系数个数的选择第20-21页
     ·提升小波包变换第21-22页
   ·实例分析第22-26页
   ·提升小波包奇异谱熵第26-29页
     ·信息熵第27页
     ·奇异谱熵第27-28页
     ·基于提升小波包奇异谱熵的退化特征提取第28-29页
   ·提升小波包符号熵第29-32页
     ·符号时间序列分析第29页
     ·符号熵第29-31页
     ·基于提升小波包符号熵的退化特征提取第31-32页
   ·本章小结第32-34页
第三章 基于SVDD的性能退化评估第34-51页
   ·SVDD理论第34-38页
     ·SVDD的基本原理第34-36页
     ·核方法的基本原理第36-37页
     ·引入核函数的SVDD第37-38页
   ·性能退化评估方法第38-39页
     ·评估模型的建立第38-39页
     ·实际在线评估中的失效阈值设定方法第39页
   ·基于虚拟仪器的全寿命周期动态信号采集系统第39-46页
     ·LabVIEW简介第40页
     ·动态信号采集系统的硬件平台第40-41页
     ·数据采集中的生产者-消费者结构和状态机结构第41-42页
     ·软件系统的开发第42-46页
   ·试验验证第46-50页
     ·轴承故障程度模拟试验描述第46-47页
     ·基于提升小波包奇异谱熵-SVDD的故障程度评估第47-49页
     ·基于提升小波包符号熵-SVDD的故障程度评估第49-50页
   ·本章小结第50-51页
第四章 全寿命周期试验数据的性能退化评估第51-62页
   ·全寿命周期试验描述第51-52页
   ·性能退化评估中SVDD参数的选取第52-53页
   ·基于提升小波包奇异谱熵-SVDD的性能退化评估第53-56页
   ·基于提升小波包符号熵-SVDD的性能退化评估第56-58页
   ·性能退化评估中提升小波包符号熵参数的选取第58-59页
   ·基于自适应SVDD的性能退化评估第59-60页
     ·自适应SVDD算法第59-60页
     ·基于自适应SVDD的评估结果第60页
   ·本章小结第60-62页
第五章 性能退化评估结果的验证第62-72页
   ·轴承各部件故障特征频率的计算第62-63页
   ·经验模态分解第63-65页
   ·相关系数准则和峭度系数准则第65页
   ·Hilbert包络解调第65-66页
   ·基于EMD和Hilbert包络解调的故障诊断方法第66页
   ·评估结果的验证第66-71页
   ·本章小结第71-72页
第六章 总结与展望第72-75页
   ·全文工作总结第72-73页
   ·展望第73-75页
参考文献第75-80页
个人简历 在读期间发表的学术论文第80-81页
致谢第81页

论文共81页,点击 下载论文
上一篇:SL公司绩效管理优化研究
下一篇:基于博弈论的认知无线网络动态频谱分配算法研究