基于机械图像的状态自动识别方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 课题的来源、目的及意义 | 第7-8页 |
| 1.2 故障诊断的发展现状及发展前景 | 第8-10页 |
| 1.2.1 故障诊断的发展历程和现状 | 第8-9页 |
| 1.2.2 故障诊断的发展前景 | 第9-10页 |
| 1.3 机械图像状态自动识别方法的研究现状 | 第10-11页 |
| 1.4 论文主要研究内容及章节分配 | 第11-12页 |
| 2 几种降维方法的比较和支持向量机方法 | 第12-26页 |
| 2.1 引言 | 第12-13页 |
| 2.2 降维的一般概念 | 第13-14页 |
| 2.2.1 降维的含义 | 第13-14页 |
| 2.2.2 降维问题的分类 | 第14页 |
| 2.3 降维方法的分析 | 第14-23页 |
| 2.3.1 降维方法的分类 | 第14-15页 |
| 2.3.2 降维方法理论 | 第15-19页 |
| 2.3.3 降维方法的比较 | 第19-23页 |
| 2.4 支持向量机方法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 非负矩阵分解和稀疏非负矩阵分解的比较研究 | 第26-34页 |
| 3.1 经典非负矩阵分解方法 | 第26-30页 |
| 3.1.1 非负矩阵分解概述 | 第26页 |
| 3.1.2 非负矩阵分解的问题描述 | 第26-27页 |
| 3.1.3 非负矩阵分解的目标函数和迭代规则 | 第27-28页 |
| 3.1.4 非负矩阵分解中基矩阵的归一化处理 | 第28-29页 |
| 3.1.5 非负矩阵分解的算法描述及流程图 | 第29-30页 |
| 3.2 稀疏非负矩阵分解 | 第30-31页 |
| 3.2.1 稀疏非负矩阵的目标函数和迭代规则 | 第30页 |
| 3.2.2 稀疏非负矩阵分解中的稀疏度 | 第30-31页 |
| 3.3 稀疏非负矩阵分解与非负矩阵分解的比较 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 稀疏非负矩阵分解在机械图像识别中的应用 | 第34-52页 |
| 4.1 常见的旋转机械故障 | 第34-38页 |
| 4.1.1 旋转机械故障的来源 | 第34-35页 |
| 4.1.2 转子不平衡故障机理及特点 | 第35页 |
| 4.1.3 转子不对中故障机理及特点 | 第35-37页 |
| 4.1.4 油膜涡动和油膜振荡 | 第37页 |
| 4.1.5 轴裂纹故障 | 第37-38页 |
| 4.2 机械图像的获取 | 第38-46页 |
| 4.2.1 故障综合模拟实验台的理论知识 | 第38-39页 |
| 4.2.2 利用试验台获取故障图像 | 第39-46页 |
| 4.3 稀疏非负矩阵图像降维和识别 | 第46-51页 |
| 4.3.1 实验条件设置及要求 | 第46-47页 |
| 4.3.2 图像识别的过程和效果分析 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-55页 |
| 5.1 本文的总结 | 第52页 |
| 5.2 研究工作的展望 | 第52-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-60页 |
