基于流形学习的主轴系统运行状态监测与劣化溯源系统研究

目录

声明

摘要

第1章 绪论

1．1 论文背景及研究意义

1．2 国内外研究现状

1．2．1 故障诊断技术研究现状

1．2．2 故障趋势预测技术研究现状

1．2．3 主轴系统故障诊断技术研究现状

1．3 主要内容及论文结构

第2章 主轴系统劣化溯源理论框架

2．1 主轴系统结构

2．2 主轴系统故障劣化倾向分析

2．2．1 主轴系统劣化机理

2．2．2 主轴系统故障劣化形式

2．3 主轴系统故障劣化特征提取方法

2．4 主轴系统运行状态趋势预测方法

2．5 小结

第3章 主轴系统故障特征提取和识别方法

3．1 提升小波变换

3．1．1 提升算法

3．1．2 提升小波变换算法

3．2．1 全息谱概述

3．2．2 二维全息谱算法

3．3 流形学习及经典算法

3．3．1 流形及流形学习

3．3．2 Hessian特征映射算法

3．3．3 拉普拉斯特征映射算法

3．4 主轴系统故障特征提取和识别方法

3．4．1 基于提升小波和流形学习的主轴系统故障特征提取

3．4．2 基于二维全息谱和流形学习的主轴系统故障识别方法

3．5 主轴系统故障特征提取和识别方法的实验验证

3．5．1 实验验证对象

3．5．2 基于提升小波和流形学习的转子故障特征提取方法验证

3．5．3 基于二维全息谱和流形学习的转子故障识别方法验证

3．6 小结

第4章 基于流形学习和FIG_SVM的主轴系统运行状态趋势预测

4．1 支持向量机

4．1．1 支持向量机原理

4．1．2 支持向量机回归算法

4．1．3 支持向量机预测模型

4．2 模糊信息粒化与支持向量机

4．3 基于流形学习与FIG_SVM的主轴系统运行状态趋势预测

4．3．1 基于网格搜索的流形学习与SVM参数寻优方法

4．3．2 基于流形学习和SVM的主轴系统运行状态回归预测

4．3．3 基于流形学习和FIG_SVM的主轴系统运行状态趋势预测

4．4 实验验证

4．4．1 实验验证对象

4．4．2 基于流形学习与SVM的主轴系统运行状态回归预测方法验证

4．4．3 基于流形学习与SVM_SVM的主轴系统运行状态趋势预测方法验证

4．5 小结

第5章 基于流形学习的主轴系统运行状态监测与劣化溯源系统设计

5．1 硬件设计

5．1．1 系统主要硬件选择

5．1．2 传感器和采集卡的选择

5．2 系统的软件设计

5．2．1 系统开发及运行环境

5．2．2 系统总体设计

5．2．3 系统数据流设计

5．2．4 系统工作流程

5．2．5 主要模块与功能描述

5．3 系统关键技术

5．3．1 MFC数据采集按钮设计

5．3．2 网络视频监控

5．3．3 Visual C++6．0调用matlab函数接口

5．4 小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

个人简历攻读硕士期间发表的论文

致谢