| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题的来源及研究背景 | 第10-12页 |
| 1.1.1 课题的来源 | 第10页 |
| 1.1.2 课题的研究背景 | 第10-12页 |
| 1.2 课题的研究目的和意义 | 第12-14页 |
| 1.3 故障诊断技术的国内外研究现状 | 第14-17页 |
| 1.3.1 故障诊断技术的国内外现状 | 第14-15页 |
| 1.3.2 圆盘式刀库的故障诊断研究现状 | 第15页 |
| 1.3.3 支持向量机在故障诊断中的应用现状 | 第15-17页 |
| 1.4 论文主要研究内容 | 第17-18页 |
| 1.5 小结 | 第18-20页 |
| 第2章 圆盘式刀库及其监测系统介绍 | 第20-28页 |
| 2.1 圆盘式刀库的基本机构和工作原理 | 第20-22页 |
| 2.2 圆盘式刀库的常见故障分析 | 第22-24页 |
| 2.3 基于LabVIEW的刀库监测系统的介绍 | 第24-27页 |
| 2.4 小结 | 第27-28页 |
| 第3章 基于CS-SVM的故障诊断方法研究 | 第28-50页 |
| 3.1 支持向量机的基本内容 | 第28-36页 |
| 3.1.1 最优超平面 | 第28-30页 |
| 3.1.2 线性可分与线性不可分情况 | 第30-31页 |
| 3.1.3 非线性情况与核函数 | 第31-34页 |
| 3.1.4 SVM的训练软件 | 第34页 |
| 3.1.5 多类分类器的设计 | 第34-36页 |
| 3.2 故障特征信息的提取 | 第36-48页 |
| 3.2.1 圆盘式刀库故障特征信息的时域分析 | 第36-37页 |
| 3.2.2 小波分析的基本理论 | 第37-42页 |
| 3.2.3 基于标量小波系数的故障特征提取算法实现 | 第42-44页 |
| 3.2.4 故障分类器核参数的优化 | 第44-48页 |
| 3.3 基于CS-SVM的圆盘式刀库故障诊断 | 第48-49页 |
| 3.4 小结 | 第49-50页 |
| 第4章 基于CS-SVM的圆盘式刀库故障诊断实例研究 | 第50-64页 |
| 4.1 圆盘式刀库拟诊断的故障实例分析及试验设计 | 第50-52页 |
| 4.1.1 圆盘式刀库拟诊断故障实例分析 | 第50-52页 |
| 4.1.2 圆盘式刀库拟诊断故障试验流程 | 第52页 |
| 4.2 基于CS-SVM的圆盘式刀库故障诊断 | 第52-62页 |
| 4.2.1 圆盘式刀库的故障分类器建立 | 第53页 |
| 4.2.2 故障特征的初步提取 | 第53-57页 |
| 4.2.3 故障分类器核参数的优化 | 第57页 |
| 4.2.4 最优故障特征子集的确定 | 第57-62页 |
| 4.3 小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士期间研究成果 | 第72-73页 |
| 致谢 | 第73页 |