小波支持向量机在矿井通风机故障预测中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-19页 |
| ·引言 | 第14页 |
| ·选题背景 | 第14-15页 |
| ·故障预测的研究意义 | 第15-16页 |
| ·故障预测的研究现状 | 第16页 |
| ·矿井通风机故障预测的发展 | 第16-17页 |
| ·本文主要内容与结构 | 第17-19页 |
| 2 通风机故障机理分析 | 第19-34页 |
| ·通风机典型故障模式 | 第19-30页 |
| ·风机失衡故障模式 | 第19-21页 |
| ·风机不对中故障模式 | 第21-23页 |
| ·风机动静部件磨损故障模式 | 第23-26页 |
| ·风机油膜振动故障模式 | 第26-28页 |
| ·风机喘振故障模式 | 第28-30页 |
| ·通风机故障预测系统 | 第30-31页 |
| ·振动测量传感器 | 第31-32页 |
| ·常用通风机故障预测理论 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 小波分析理论及其在故障预测中的应用 | 第34-49页 |
| ·小波分析基本概论 | 第34-42页 |
| ·小波理论基础 | 第34-36页 |
| ·小波定义 | 第36-37页 |
| ·连续小波变换 | 第37-39页 |
| ·离散小波变换 | 第39-42页 |
| ·小波多分辨率分析及小波包分析 | 第42-44页 |
| ·多分辨率分析 | 第42页 |
| ·小波包分析 | 第42-44页 |
| ·小波分析的故障特征提取 | 第44-48页 |
| ·小波分析处理过程 | 第44-45页 |
| ·小波分析的故障特征提取 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 4 SVM理论在故障预测中的应用 | 第49-71页 |
| ·支持向量机理论 | 第49-54页 |
| ·支持向量机最优分类面 | 第49-51页 |
| ·支持向量机核函数 | 第51-52页 |
| ·支持向量机及其分类流程 | 第52-54页 |
| ·支持向量回归机理论 | 第54-59页 |
| ·基于支持向量机的故障预测 | 第59-70页 |
| ·样本小波分析 | 第59-62页 |
| ·支持向量机回归预测 | 第62-64页 |
| ·支持向量机预测结果分析 | 第64-70页 |
| ·本章小结 | 第70-71页 |
| 5 基于LabVIEW软件平台操作 | 第71-78页 |
| ·虚拟仪器 | 第71-72页 |
| ·虚拟仪器简介 | 第71-72页 |
| ·LabVIEW软件操作 | 第72页 |
| ·基于LabVIEW的风机故障预测 | 第72-76页 |
| ·数据采集存储模块 | 第72-73页 |
| ·小波降噪模块 | 第73-75页 |
| ·支持向量机故障预测模块 | 第75-76页 |
| ·本章小结 | 第76-78页 |
| 6 全文总结与展望 | 第78-80页 |
| ·总结 | 第78页 |
| ·展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 作者简介及读研期间主要科研成果 | 第86页 |
