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--自动推理、机器学习论文

基于流形学习的主轴系统故障诊断方法研究

摘要第1-5页
ABSTRACT第5-9页
第1章 绪论第9-16页
   ·论文背景及研究意义第9-10页
   ·国内外研究现状第10-14页
     ·主轴系统的诊断技术现状第11页
     ·早期微弱故障特征提取技术研究第11-12页
     ·故障诊断方法研究现状第12-14页
   ·课题研究的主要内容第14-16页
第2章 主轴系统的故障特征分析第16-23页
   ·主轴故障的信号特征第16-18页
     ·主轴不平衡时的信号特征第16-17页
     ·主轴回转精度不良时的信号特征第17页
     ·主轴存在裂纹缺陷时的信号特征第17-18页
   ·主轴系统关键部件的故障信号特征第18-22页
     ·滚动轴承的振动机理第18-19页
     ·滚动轴承的固有振动频率和故障特征频率第19-20页
     ·齿轮的固有特性第20-22页
     ·齿轮故障的信号特征第22页
   ·本章小结第22-23页
第3章 主轴系统早期微弱非线性非平稳故障的特征提取方法第23-46页
   ·EMD 的基本概念及原理第23-25页
     ·基本概念第23-24页
     ·经验模态分解过程第24-25页
     ·经验模态分解方法存在的问题第25页
   ·基于 EEMD 的早期特征获取方法第25-29页
     ·EEMD 的分解原理第25-26页
     ·IMF 选择算法及 EEMD 降噪第26-27页
     ·基于 EEMD 和小波包的故障敏感特征提取第27-29页
   ·基于流形学习的早期故障敏感特征提取第29-37页
     ·流形学习算法第29-33页
       ·等距映射算法第29-31页
       ·局部线性嵌入算法第31-32页
       ·局部切空间排列算法第32-33页
     ·基于流形学习的时频域统计指标的敏感特征提取第33-36页
     ·基于流形学习的轴心轨迹特征提取第36-37页
   ·早期微弱故障敏感特征获取的仿真验证和实验验证第37-45页
     ·早期故障敏感特征提取技术的仿真验证第37-41页
       ·基于 EEMD 和小波包的轴承故障敏感特征提取第37-39页
       ·基于流形学习的时频域统计指标的敏感特征提取第39-41页
     ·早期微弱敏感特征获取技术的实验验证第41-45页
       ·实验对象和样本第41-42页
       ·基于 EEMD 和小波包的故障敏感特征提取第42-43页
       ·基于流形学习的时频域统计指标的敏感特征提取第43页
       ·基于流形学习的轴心轨迹特征提取第43-45页
     ·早期微弱故障敏感特征提取方法的分析与对比第45页
   ·本章小结第45-46页
第4章 基于流形学习和 SVM 的故障诊断第46-71页
   ·支持向量机第46-51页
     ·支持向量机原理第46-49页
     ·多类支持向量机第49-51页
   ·支持向量机参数的选择方法第51-55页
     ·交叉验证选择法第52页
     ·基于网格搜索算法的参数寻优第52-53页
     ·基于粒子群优化算法的参数寻优第53-54页
     ·基于遗传算法的参数寻优第54-55页
   ·基于流形学习和 SVM 的故障诊断步骤第55-56页
   ·实验验证第56-70页
     ·滚动轴承振动信号分析第56-63页
       ·基于流形学习和 SVM 的滚动轴承故障诊断第58-61页
       ·基于 EEMD 和小波包的滚动轴承故障诊断第61-62页
       ·基于流形学习的时频域统计指标的滚动轴承故障诊断第62页
       ·三种故障诊断方法对比第62-63页
     ·基于 LTSA 和 SVM 的转子系统故障诊断实例第63-65页
     ·主轴运行状态的诊断实例第65-69页
       ·基于 LTSA 和 SVM 的主轴状态诊断第66-67页
       ·基于流形学习的轴心轨迹的主轴状态诊断第67-68页
       ·基于流形学习的时频域特征指标的主轴状态诊断第68-69页
     ·基于 LTSA 和 SVM 的主轴故障诊断实例第69-70页
   ·本章小结第70-71页
第5章 主轴系统的故障诊断系统设计第71-85页
   ·系统总体设计第71-72页
     ·系统开发的运行环境第71-72页
     ·系统总体设计第72页
   ·系统各模块设计第72-79页
     ·登陆模块第72-73页
     ·分支模块第73-74页
     ·主轴信号分析模块第74-79页
     ·轴承与齿轮信号分析模块第79页
   ·系统实现的关键技术第79-84页
     ·算法编写第79-81页
     ·图形显示第81-82页
     ·GUI 设计第82-83页
     ·通过 LABVIEW 调用 MATLAB 的 GUI第83-84页
   ·本章小结第84-85页
第6章 结论与展望第85-87页
   ·总结和主要创新点第85-86页
   ·展望第86-87页
参考文献第87-91页
个人简历 攻读硕士期间发表的论文第91-92页
致谢第92页

论文共92页,点击 下载论文
上一篇:荒漠中的金牛犊
下一篇:车联网卫星/微惯性组合导航定位系统研究