| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-28页 |
| ·引言 | 第11页 |
| ·智能故障诊断技术的国内外研究现状 | 第11-15页 |
| ·支持向量机的研究进展 | 第15-21页 |
| ·支持向量机的训练算法 | 第16-18页 |
| ·支持向量机的扩展 | 第18-19页 |
| ·支持向量机核函数参数设置 | 第19-21页 |
| ·纹理图像分析技术的研究进展 | 第21-24页 |
| ·本课题需要解决的问题 | 第24-26页 |
| ·本课题主要研究内容 | 第26-28页 |
| 第二章 基于人工蜂群算法优化的支持向量机轴承故障诊断方法 | 第28-47页 |
| ·支持向量机原理分析 | 第28-34页 |
| ·机器学习与统计学习理论 | 第28-29页 |
| ·支持向量机 | 第29-34页 |
| ·支持向量机参数选择 | 第34-36页 |
| ·基于人工蜂群算法的支持向量机参数优化模型 | 第36-41页 |
| ·参数优化算法简介 | 第36-37页 |
| ·人工蜂群算法原理分析 | 第37-40页 |
| ·基于人工蜂群算法的支持向量机参数选择 | 第40-41页 |
| ·工程应用 | 第41-46页 |
| ·滚动轴承振动信号及故障机理分析 | 第41-42页 |
| ·信号采集及特征提取 | 第42-44页 |
| ·滚动轴承智能故障诊断对比实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 基于超球面支持向量机的刀具磨损状态识别方法 | 第47-61页 |
| ·超球面支持向量机 | 第47-52页 |
| ·One-class SVM 算法 | 第48-49页 |
| ·超球面二类别SVM 算法 | 第49-50页 |
| ·One-class SVM 算法和超球面二类别SVM 算法的关系研究 | 第50-52页 |
| ·铣削刀具磨损分析及监测方法选择 | 第52-54页 |
| ·实验方案设计 | 第54-57页 |
| ·刀具磨损监测系统 | 第54-55页 |
| ·试验装置 | 第55-56页 |
| ·切削参数 | 第56页 |
| ·试验方案 | 第56-57页 |
| ·信号分析及特征提取 | 第57-59页 |
| ·刀具磨损状态识别试验结果与分析 | 第59-60页 |
| ·结论 | 第60-61页 |
| 第四章 基于模糊C均值的支持向量机半监督纹理分割方法 | 第61-76页 |
| ·模糊支持向量机原理分析 | 第61-66页 |
| ·模糊集合概念 | 第61-63页 |
| ·模糊支持向量机 | 第63-66页 |
| ·模糊C 均值原理分析 | 第66-70页 |
| ·硬C 均值聚类算法 | 第66-68页 |
| ·模糊C 均值聚类算法 | 第68-70页 |
| ·基于模糊C 均值的支持向量机半监督纹理分割 | 第70-74页 |
| ·基于Laws 能量测度的纹理特征提取 | 第70-72页 |
| ·基于模糊C 均值的支持向量机半监督学习算法 | 第72页 |
| ·实验及结果分析 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第五章 基于S变换与Hilbert-Huang变换纹理分析的故障特征提取方法 | 第76-101页 |
| ·S 变换原理研究与分析 | 第77-83页 |
| ·S 变换定义及推导 | 第77-80页 |
| ·S 变换仿真实验 | 第80-83页 |
| ·S 变换等高线时频图纹理特征提取方法研究 | 第83-86页 |
| ·Hilbert-Huang 变换原理研究与分析 | 第86-93页 |
| ·基本概念 | 第86-87页 |
| ·EMD 基本原理与算法 | 第87-89页 |
| ·Hilbert 变换基本原理 | 第89-90页 |
| ·Hilbert-Huang 变换仿真算例 | 第90-93页 |
| ·Hilbert 谱时频图纹理特征提取方法研究 | 第93-96页 |
| ·工程应用 | 第96-100页 |
| ·本章小结 | 第100-101页 |
| 第六章 数控机床智能故障诊断试验平台的构建及应用 | 第101-122页 |
| ·网络架构下机床整机智能监测诊断试验平台的整体设计 | 第101-103页 |
| ·强耦合状态监测单元信号采集技术研究 | 第103-106页 |
| ·第一种多线程应用方法 | 第103-104页 |
| ·第二种多线程应用方法 | 第104页 |
| ·第三种多线程应用方法 | 第104-105页 |
| ·第四种多线程应用方法 | 第105页 |
| ·强耦合状态监测单元特征量监测 | 第105-106页 |
| ·基于C/S 结构的远程机床状态监测与故障诊断系统 | 第106-112页 |
| ·服务器端监控软件 | 第107-108页 |
| ·客户端信号分析与故障诊断软件 | 第108-112页 |
| ·TDNC-Connect 传输协议 | 第112-115页 |
| ·工程应用 | 第115-121页 |
| ·本章小结 | 第121-122页 |
| 第七章 结论与展望 | 第122-124页 |
| 参考文献 | 第124-140页 |
| 发表论文和科研情况说明 | 第140-142页 |
| 致谢 | 第142页 |
