声明
摘要
插图索引
附表索引
第1章 绪论
1.1 课题来源
1.2 研究背景及意义
1.3 机械故障诊断研究综述
1.3.1 机械故障诊断的研究内容
1.3.2 机械故障诊断的方法
1.4 智能诊断技术国内外研究现状
1.4.1 专家系统诊断技术的研究现状
1.4.2 神经网络诊断技术的研究现状
1.4.3 支持向量机诊断技术的研究现状
1.4.4 支持向量数据描述诊断技术的研究现状
1.5 课题主要研究内容
1.6 论文结构
第2章 小波分析理论及信息处理
2.1 引言
2.2 小波分析基本理论
2.2.1 傅里叶变换与短时傅里叶变换
2.2.2 小波变换及小波包变换
2.3 基于小波变换的信号去噪
2.3.1 小波去噪原理及典型算法
2.3.2 小波变换模极大值去噪算法
2.4 基于小波包的特征信息提取处理
2.5 小结
第3章 统计学习理论及支持向量机
3.1 引言
3.2 机器学习问题概述
3.2.1 机器学习问题描述
3.2.2 机器学习的发展概况
3.3 统计学习理论
3.3.1 学习性能指标
3.3.2 VC维和推广性的界
3.3.3 结构风险最小化
3.4 支持向量机
3.4.1 支持向量机的基本思想
3.4.2 线性支持向量机
3.4.3 核函数技术
3.4.4 非线性支持向量机
3.5 小结
第4章 基于SVDD的动态故障诊断方法
4.1 单分类方法概述
4.2 支持向量数据描述基本理论
4.3 基于支持向量数据描述的多分类问题
4.3.1 基于相对距离判别的多分类方法
4.3.2 惩罚因子和核参数的影响
4.4 基于球边界偏移判别的未知样本识别
4.5 基于空间分布聚类的无监督学习
4.5.1 无监督学习与聚类
4.5.2 常用聚类算法
4.5.3 基于空间分布的聚类学习
4.6 小结
第5章 混凝土泵车液压泵故障诊断实验研究
5.1 实验设备介绍
5.2 液压泵多类故障诊断实验
5.2.1 信号去噪实验及分析
5.2.2 特征信息提取实验
5.2.3 故障诊断实验及结果
5.3 小结
结论
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
附录B 攻读学位期间参加的科研项目