第一个书签之前
摘 要
Abstract
1 绪论
1.1 研究背景及意义
1.2 旋转机械状态监测技术研究现状
1.3 研究内容与技术路线
1.4 算法编译工具介绍
2 基于数据挖掘算法的多变量时间序列数据处理方法
2.1 关于时间序列数据去噪方法
2.2 基于离散小波包变换的信号处理技术
2.2.1 小波分析概述
2.2.2 小波基函数
2.2.3 连续小波变换
2.2.4 离散小波变换
2.2.5 小波基的选取
2.2.6 离散小波包变换
2.2.7 贝叶斯阈值法
2.3 基于贝叶斯理论的阈值去噪方法
2.3.1 贝叶斯阈值法
2.3.2 先验分布
2.3.3 后验分布
2.3.4 贝叶斯假设检验
2.4 基于概率主成分分析的数据特征提取方法研究
2.4.1 关于多变量数据的特征提取方法
2.4.2 主成分分析基本原理
2.4.3 主成分分析步骤
2.4.4 概率主成分分析
2.5 算法流程及实现
2.6 本章小结
3 基于信号处理算法的汽轮机组状态监测实例
3.1 数据整理与预处理
3.1.1 数据来源
3.1.2 离群值分析
3.1.3 数据规约
3.2 贝叶斯小波去噪
3.2.1 离散小波包变换
3.2.2 贝叶斯阈值去噪
3.3 概率主成分分析
3.3.1 标准主成分分析确定降低维数
3.3.2 概率主成分分析提取信号特征
3.4 本章小结
4 基于神经网络模型的汽轮机组状态数据预测
4.1 模糊神经网络模型简介
4.1.1 径向基函数神经网络
4.1.2 模糊c均值聚类
4.2 模糊神经网络模型的构建
4.2.1 神经网络结构设计
4.2.2 训练神经网络模型
4.3 算法流程及实现
4.4 模型实例应用
4.4.1 构建输入输出向量并训练模型
4.4.2 验证模型并进行模拟预测
4.5 本章小结
5 结论与展望
参 考 文 献
致 谢
大连理工大学学位论文版权使用授权书
大连理工大学;