文摘
英文文摘
声明
第1章 绪论
1.1研究背景
1.1.1经济背景
1.1.2技术背景
1.2与故障诊断有关的概念
1.3故障诊断方法
1.3.1基于定量模型的方法
1.3.2基于专家知识的方法
1.3.3基于信号处理的方法
1.3.4基于数据驱动的方法
1.3.5基于模式识别的方法
1.4基于模式识别的在线故障诊断研究现状与意义
1.5本论文思路与结构
第2章 SVDD分类研究及其在在线故障检测中的应用
2.1引言
2.2核相关概念及其选取
2.3 SVDD分类器
2.3.1基于目标样本的SVDD建模方法
2.3.2基于目标与非目标样本的SVDD建模方法
2.4 SVDD核参数的优化与边界规整
2.4.1产生球形区域的数据集
2.4.2特征子空间的数据分布
2.4.3核参数优化
2.4.4基于核主元分析的超球体归整
2.4.5实验结果与分析
2.5基于增量式SVM的增量式SVDD算法
2.5.1增量式SVM
2.5.2增量式SVDD
2.5.3实验结果与分析
2.6随机蚕食Inc-SVDD算法
2.6.1前言
2.6.2随机抽样定理
2.6.3基于随机抽样定理的SVDD
2.6.4 RGInc-SVDD算法复杂度分析
2.6.5实验结果与分析
2.7基于椭球体的数据描述
2.7.1基于支持向量最小椭球体数据描述
2.7.2映射MVEE到核空间
2.7.3实验结果与分析
2.8本章小节
第3章 M-SVDD分类研究及其在线故障诊断中的应用
3.1引言
3.2 M-SVDD算法
3.2.1一种拒绝式M-SVDD
3.2.2基于转导推理的M-SVDD
3.2.3性质分析
3.2.4实验结果与分析
3.3 M-SVDD的优化
3.4基于不同核参数σ的求同存异RTIM-SVDD算法
3.5本章小节
第4章 SVDD聚类研究及其在在线不可认知故障识别中的应用
4.1引言
4.2 SVC综述
4.2.1训练SVC的模型
4.2.2聚类形成
4.2.3关于重叠样本的聚类
4.3 SVC算法的改进
4.3.1实验结果与分析
4.4本章小节
第5章 基于RTIM-SVDD与RF的在线不可认知故障识别
5.1基于RTIM-SVDD的故障定位
5.1.1引言
5.1.2 SVDD的ROC性能指数
5.1.3基于RTIM-SVDD的故障定位
5.1.4实验结果与分析
5.2基于RF的故障定位
5.2.1引言
5.2.2随机决策树的生成与投票法则
5.2.3变量重要性计算
5.2.4随机森林的收敛性
5.2.5基于改进无偏随机森林的故障诊断
5.2.6随机决策树的改进算法
5.2.7变量重要性测量改进算法
5.2.8算法伪码
5.2.9实验与分析
5.3本章小节
第6章 关于在线故障诊断系统方法若干性质讨论
6.1引言
6.2在线故障诊断系统性质探讨
6.3在线故障诊断系统的运行结果
6.4本章小节
第7章 工作总结与研究展望
7.1本论文的工作重点与主要创新点
7.2未来工作展望
参考文献
致谢
攻读博士学位期间撰写和发表的论文
攻读博士学位期间参加的课题
厦门大学;