文摘
英文文摘
第一章 绪论
1.1大型复杂机电设备故障诊断的研究背景与意义
1.1.1研究背景
1.1.2大型复杂机电系统故障诊断的意义
1.2大型复杂机电系统故障诊断中特征提取及故障建模研究综述
1.2.1故障诊断技术发展的特点
1.2.2统计学习理论与支持向量回归[44,47,82]
1.2.3基于Hilbert-Huang变换的大型复杂机电设备故障特征提取方法综述
1.2.4大型复杂机电设备故障建模的理论与方法综述
1.3本文的主要研究内容
第二章基于支持向量回归的系统辨识建模与仿真研究
2.1引言
2.2、统计学习理论回顾[44]
2.2.1、机器学习问题的本质表示
2.2.2经验风险最小化归纳原则
2.2.3不适定问题的理论
2.2.4 VC维
2.2.5推广性的界理论
2.2.6结构风险最小化原则
2.2.7支持向量机与支持向量回归
2.3支持向量回归与系统辨识
2.3.1支持向量回归[178]
2.3.2系统辨识[58]
2.3.3系统辨识同支持向量回归问题的联系[5]
2.4基于支持向量回归的系统辨识仿真研究
2.4.1线性系统的辨识
2.4.2非线性系统的辨识
2.5本章小结
第三章基于支持向量回归的HHT端点效应消除研究
3.1概述
3.2Hilbert-Huang变换原理、算法简述[34]
3.2.1 EMD原理与算法
3.2.2希尔伯特变换(HHT)原理和算法
3.3端点效应的成因及各种处理方法
3.3.1基于波形预测的端点效应消除法[36]
3.3.2基于时间序列预测技术的端点效应消除法
3.4最小二乘支持向量回归预测算法[6]
3.5基于支持向量回归预测的HHT变换的仿真和实际信号验证
3.6 HHT中的采样频率的研究
3.7本章小结
第四章轧机异常振动稳态和非稳态信号处理研究
4.1引言
4.2轧机振动稳态信号处理与分析
4.2.1轧机振动测试方案设计
4.2.2稳态信号测试分析
4.3轧机振动非稳态信号处理和分析
4.3.1长数据HHT信号处理结果
4.3.2短数据改进HHT信号处理
4.4本章小结
第五章轧机小样本故障建模、稳定性与工作振型分析
5.1引言
5.2闭环系统可辨识性的研究
5.3最小二乘法系统辨识
5.3.1最小二乘法系统辨识原理[58]
5.3.2最小二乘法系统辨识的步骤
5.3.3热连轧机最小二乘法系统辨识的结果
5.4基于支持向量回归的轧机系统辨识
5.4.1轧机系统辨识
5.4.2模型检验及模型泛化能力比较
5.5热连轧机液压压下系统稳定性分析
5.6传感器外壳和传感器连接杆研究
5.6.1传感器连接杆和传感器壳的信号分析
5.6.2传感器连接杆和传感器壳的工作振型分析
5.7本章小结
第六章、轧机液压压下系统故障模型仿真和故障排除
6.1引言
6.2轧机液压压下系统的故障模型
6.3故障模型计算机仿真
6.4传感器外壳动力学建模
6.4.1传感器外壳实验模态分析
6.4.2基于实验模态分析模型的有限元模型修正
6.5基于修正有限元模型的动力学修改及效果检验
6.5.1传感器外壳动力学修改及模态分析
6.5.2传感器壳动力学修改的检验
6.5.3动力学修改后的现场检验
6.6本章小结
第七章主要结论及展望
7.1主要结论
7.2研究工作主要贡献
7.3进一步工作展望
致 谢
参考文献
作者在攻读博士学位期间发表的论文目录
作者在攻读博士期间科研情况
独创性说明