基于全矢高阶谱的故障诊断方法及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题的来源、目的及意义 | 第11-12页 |
| ·课题的来源 | 第11页 |
| ·课题的目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·现代信号处理技术 | 第12-13页 |
| ·信息融合技术 | 第13-14页 |
| ·模式识别方法 | 第14-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第2章 双谱分析方法及其存在的问题 | 第18-29页 |
| ·高阶谱理论 | 第18-20页 |
| ·高阶谱的定义 | 第18-19页 |
| ·高阶谱分析机械振动信号 | 第19-20页 |
| ·双谱分析 | 第20-24页 |
| ·双谱的定义与性质 | 第20-21页 |
| ·双谱的算法与物理意义 | 第21-23页 |
| ·1(1/2)维谱的定义 | 第23-24页 |
| ·双谱分析中存在的问题 | 第24-28页 |
| ·仿真研究 | 第24-26页 |
| ·实验研究 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 矢双谱方法的提出及验证 | 第29-40页 |
| ·全矢谱技术 | 第29-32页 |
| ·全矢谱理论基础 | 第29-30页 |
| ·全矢谱数值计算方法 | 第30-32页 |
| ·矢双谱分析方法 | 第32-34页 |
| ·矢双谱的定义与算法 | 第32-34页 |
| ·矢双谱的性质 | 第34页 |
| ·仿真与实验研究 | 第34-39页 |
| ·仿真研究 | 第34-37页 |
| ·实验研究 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 矢双谱—BPNN故障诊断方法及其应用研究 | 第40-52页 |
| ·BP神经网络 | 第40-45页 |
| ·BP神经网络的结构 | 第40-41页 |
| ·BP神经网络的算法 | 第41-45页 |
| ·矢双谱—BPNN故障诊断方法及实验研究 | 第45-51页 |
| ·矢双谱—BPNN故障诊断方法 | 第45-46页 |
| ·实验研究 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 矢双谱—SVM故障诊断方法及其应用研究 | 第52-65页 |
| ·支持向量机 | 第52-57页 |
| ·统计学习理论的基本概念 | 第52-54页 |
| ·支持向量机二分类算法原理 | 第54-57页 |
| ·矢双谱—SVM故障诊断方法及实验研究 | 第57-64页 |
| ·矢双谱—SVM故障诊断方法 | 第58-59页 |
| ·实验研究 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 矢双谱—SVDD故障诊断方法及其应用研究 | 第65-77页 |
| ·支持向量数据描述 | 第65-68页 |
| ·单值分类 | 第65页 |
| ·支持向量数据描述的算法 | 第65-68页 |
| ·双谱—SVDD故障诊断方法及实验研究 | 第68-72页 |
| ·双谱—SVDD故障诊断方法 | 第68-69页 |
| ·滚动轴承实验研究 | 第69-72页 |
| ·矢双谱—SVDD故障诊断方法及实验研究 | 第72-76页 |
| ·矢双谱—SVDD故障诊断方法 | 第72-74页 |
| ·齿轮箱实验研究 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第7章 结论与展望 | 第77-79页 |
| ·创新点及结论 | 第77-78页 |
| ·创新点 | 第77页 |
| ·结论 | 第77-78页 |
| ·工作展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 个人简历 在学期间发表的学术论文及研究成果 | 第84-85页 |
| 致谢 | 第85页 |
