基于数据挖掘的故障诊断方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 图表索引 | 第11-13页 |
| 第一章 绪论 | 第13-25页 |
| ·课题背景及研究意义 | 第13-14页 |
| ·课题背景 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·故障诊断技术的研究现状及发展趋势 | 第14-22页 |
| ·传统诊断技术 | 第14-15页 |
| ·智能诊断技术 | 第15-20页 |
| ·远程诊断技术 | 第20-21页 |
| ·发展趋势 | 第21-22页 |
| ·数据挖掘在故障诊断中的应用 | 第22-23页 |
| ·本文研究内容 | 第23-25页 |
| 第二章 振动的故障机理和诊断方法 | 第25-35页 |
| ·伺服电机的振动故障分析 | 第25-30页 |
| ·振动故障原因分析 | 第26-27页 |
| ·振动故障常用检测方法 | 第27-28页 |
| ·振动故障的分类 | 第28-30页 |
| ·故障信号分析 | 第30-33页 |
| ·振动信号的时域分析 | 第30-32页 |
| ·振动信号的频域分析 | 第32-33页 |
| ·故障诊断的一般过程 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 数据挖掘技术 | 第35-47页 |
| ·数据挖掘技术概念及特点 | 第35-37页 |
| ·数据挖掘组成 | 第37-38页 |
| ·数据挖掘功能 | 第38-40页 |
| ·概念描述 | 第38页 |
| ·关联分析 | 第38-39页 |
| ·分类与预测 | 第39-40页 |
| ·聚类分析 | 第40页 |
| ·异类分析 | 第40页 |
| ·数据挖掘过程 | 第40-43页 |
| ·数据准备 | 第40-42页 |
| ·数据挖掘 | 第42页 |
| ·解释评价 | 第42-43页 |
| ·数据挖掘常用技术 | 第43-44页 |
| ·数据挖掘常用工具 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 数据挖掘分类在故障诊断系统中的应用 | 第47-75页 |
| ·数据挖掘的分类 | 第47-49页 |
| ·基于粗集理论的属性约简 | 第49-55页 |
| ·粗集理论简介 | 第49-51页 |
| ·属性约简 | 第51-53页 |
| ·可辨识矩阵 | 第53页 |
| ·可辨识矩阵的属性约简的一般方法 | 第53-55页 |
| ·决策树 | 第55-62页 |
| ·决策树分类 | 第55页 |
| ·决策树基本概念 | 第55-56页 |
| ·决策树生成算法 | 第56-58页 |
| ·树枝修剪 | 第58-59页 |
| ·ID3算法 | 第59-60页 |
| ·C4.5算法 | 第60-61页 |
| ·其他决策树的算法 | 第61-62页 |
| ·基于粗糙集理论和决策树的振动故障诊断设计 | 第62-72页 |
| ·系统目标 | 第62页 |
| ·数据准备 | 第62页 |
| ·频域下样本生成决策树 | 第62-65页 |
| ·直接构造决策树 | 第65-72页 |
| ·属性约简后的数据集进行决策树构造 | 第72页 |
| ·本章小结 | 第72-75页 |
| 第五章 远程故障诊断平台的实现 | 第75-83页 |
| ·系统的架构 | 第75-78页 |
| ·系统功能 | 第78-79页 |
| ·系统诊断流程 | 第79-81页 |
| ·样本数据维护 | 第79-80页 |
| ·故障诊断流程 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 第六章 总结与展望 | 第83-85页 |
| ·总结 | 第83-84页 |
| ·展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 攻读硕士学位期间发表的论文 | 第91页 |
