首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--监视、报警、故障诊断系统论文

基于单类学习的异常检测方法及其重型装备状态识别应用

摘要第5-7页
ABSTRACT第7-9页
第一章 绪论第16-34页
    1.1 研究背景及需求分析第16-20页
        1.1.1 研究背景第16-18页
        1.1.2 需求分析第18-20页
    1.2 基于单类学习的异常检测方法及其在设备状态识别中的研究现状第20-28页
        1.2.1 基于单类学习的异常检测方法概述第20-23页
        1.2.2 基于单类学习的异常检测方法在设备状态识别中的应用研究现状第23-26页
        1.2.3 异常检测在设备状态识别应用中存在的主要问题第26-28页
    1.3 主要研究工作及章节安排第28-34页
        1.3.1 研究对象第28-30页
        1.3.2 研究思路与研究内容第30-31页
        1.3.3 本文的章节安排第31-34页
第二章 基于特征评估的异常检测算法研究第34-64页
    2.1 引言第34-35页
    2.2 振动信号特征提取第35-39页
        2.2.1 信号处理方法概述第35-37页
        2.2.2 经验模态分解和集成经验模态分解方法第37-39页
    2.3 特征选择技术概述第39-42页
    2.4 基于支持向量数据描述的特征评估技术第42-49页
        2.4.1 支持向量数据描述方法概述第43-47页
        2.4.2 基于支持向量数据描述的特征评估技术第47-49页
    2.5 基于特征评估技术的异常检测算法第49-52页
        2.5.1 异常检测算法的性能评价指标第49-51页
        2.5.2 基于特征评估的异常检测算法第51-52页
    2.6 试验研究第52-63页
        2.6.1 数据预处理第53-54页
        2.6.2 原始特征的提取第54-60页
        2.6.3 基于特征评估的异常检测算法第60-62页
        2.6.4 结果分析第62-63页
    2.7 本章小结第63-64页
第三章 基于混合集成的异常检测模型研究第64-80页
    3.1 引言第64-65页
    3.2 集成学习概述第65-68页
    3.3 基于混合集成的异常检测模型第68-74页
        3.3.1 主要异常检测算法基本原理第69-70页
        3.3.2 混合集成的异常检测模型第70-73页
        3.3.3 混合集成用于异常检测的理论分析第73-74页
    3.4 试验研究第74-78页
    3.5 本章小结第78-80页
第四章 基于进化学习的异常检测系统研究第80-95页
    4.1 引言第80-81页
    4.2 多类分类方法概述第81-83页
    4.3 基于进化学习的异常检测集成诊断系统第83-87页
        4.3.1 建立异常检测集成诊断系统的需求分析第83-84页
        4.3.2 异常检测集成诊断系统设计第84-87页
    4.4 基于支持向量的在线进化学习方法第87-89页
    4.5 试验研究第89-93页
    4.6 本章小结第93-95页
第五章 异常检测在重型轧辊磨床状态识别中的应用研究第95-113页
    5.1 引言第95页
    5.2 重型轧辊磨床状态监测和诊断系统总体设计第95-99页
    5.3 关键部件状态监测和诊断系统设计第99-104页
        5.3.1 振动传感器的安装布局第99-100页
        5.3.2 现场监测诊断仪的设计第100-102页
        5.3.3 异常检测集成诊断系统的实施方案第102-104页
    5.4 信号采集处理和异常检测集成诊断系统应用分析第104-112页
        5.4.1 振动信号分析第106-108页
        5.4.2 异常检测方法应用第108-112页
        5.4.3 实际应用效果第112页
    5.5 本章小结第112-113页
第六章 总结与展望第113-117页
    6.1 研究总结第113-115页
    6.2 主要创新点第115-116页
    6.3 未来工作的展望第116-117页
参考文献第117-131页
致谢第131-132页
攻读博士学位期间已发表的论文第132-133页
攻读博士学位期间参与的科研项目第133页

论文共133页,点击 下载论文
上一篇:生物视觉启发的高分辨率遥感影像特征提取与目标检测研究
下一篇:大学学科组织的学术创业力研究