| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 变量注释表 | 第15-16页 |
| 1 绪论 | 第16-24页 |
| 1.1 课题研究背景 | 第16-17页 |
| 1.2 课题研究目的、意义及方法 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-22页 |
| 1.4 设备监测存在的问题 | 第22-23页 |
| 1.5 课题研究内容及论文结构安排 | 第23-24页 |
| 2 基于特征提取的井下水泵声音特性分析 | 第24-36页 |
| 2.1 故障特征分析 | 第24-27页 |
| 2.2 短时能量特征提取 | 第27-29页 |
| 2.3 倒频谱特征提取 | 第29-31页 |
| 2.4 Mel倒谱系数特征提取 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 机器学习及支持向量机原理 | 第36-50页 |
| 3.1 机器学习简述 | 第36-40页 |
| 3.2 支持向量机原理 | 第40-48页 |
| 3.3 基于特征提取和SVM预测模型 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 基于特征提取和SVM的设备健康状态预测方法 | 第50-70页 |
| 4.1 水泵声音信号特征提取与分析 | 第50-55页 |
| 4.2 井下水泵健康状态评价研究 | 第55-56页 |
| 4.3 基于SVM的水泵健康状态预测方法 | 第56-57页 |
| 4.4 基于特征向量提取与SVM的设备健康状态预测 | 第57-67页 |
| 4.5 支持向量机的预测精度影响因素分析 | 第67-69页 |
| 4.6 本章小结 | 第69-70页 |
| 5 结论与展望 | 第70-72页 |
| 5.1 研究工作总结 | 第70页 |
| 5.2 展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79页 |