小波分析和CPSO-NP优化SVM的电机故障诊断方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 变量注释表 | 第16-18页 |
| 1 绪论 | 第18-24页 |
| 1.1 课题研究背景与意义 | 第18-19页 |
| 1.2 电机故障诊断技术的国内外研究现状 | 第19-20页 |
| 1.3 基于小波分析的信号处理研究概况 | 第20-21页 |
| 1.4 基于粒子群的故障诊断方法研究概况 | 第21-22页 |
| 1.5 本文研究的主要内容 | 第22-24页 |
| 2 电机工作原理及其故障分析 | 第24-33页 |
| 2.1 异步电动机的工作原理 | 第24-25页 |
| 2.2 异步电动机的故障类型 | 第25-27页 |
| 2.3 电机的诊断技术 | 第27-28页 |
| 2.4 电动机故障的振动特征分析 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 故障信号采集与处理 | 第33-48页 |
| 3.1 故障信号采集 | 第33-35页 |
| 3.2 信号预处理 | 第35-45页 |
| 3.3 小波包的故障信号提取 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 4 CPSO-NP算法优化SVM的模式识别 | 第48-62页 |
| 4.1 支持向量机基本理论 | 第48-52页 |
| 4.2 粒子群及其改进算法 | 第52-60页 |
| 4.3 CPSO-NP优化SVM模型 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 电机故障诊断的实验验证 | 第62-70页 |
| 5.1 实验数据来源 | 第62页 |
| 5.2 电机故障诊断过程 | 第62-64页 |
| 5.3 电机轴承故障信号仿真 | 第64-68页 |
| 5.4 本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-71页 |
| 6.1 结论 | 第70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 作者简介 | 第75-77页 |
| 学位论文数据集 | 第77页 |
