文摘
英文文摘
基金项目
符号说明
第一章 绪论
1.1 课题概述
1.1.1 课题来源
1.1.2 课题意义
1.2 国内外研究现状
1.2.1 性能退化评估与预测技术
1.2.2 核模式分析方法
1.3 文献总结
1.4 主要工作与总体框架
第二章 核模式分析方法及小波核函数
2.1 引言
2.2 核模式分析方法原理
2.2.1 统计学习理论
2.2.2 核方法的基本思想
2.2.3 核函数的判定
2.3 支持向量模式分析
2.3.1 支持向量机分类(SVM)
2.3.2 支持向量回归(SVR)
2.4 核主元模式分析
2.4.1 主元分析(PCA)
2.4.2 核主元分析(KPCA)
2.5 小波核函数
2.6 核函数性能对比
2.7 本章小结
第三章 性能退化评估特征提取和特征约简方法研究
3.1 引言
3.2 循环平稳分析基础
3.2.1 二阶循环统计量
3.2.2 滚动轴承循环平稳模型
3.3 滚动轴承的二阶循环平稳分析
3.3.1 循环平稳度分析
3.3.2 谱相关密度切片分析
3.4 基于谱相关的状态监测
3.4.1 谱相关密度累积能量
3.4.2 累积能量因子
3.4.3 参数选择
3.5 基于循环平稳熵的状态监测
3.5.1 信息熵测度指标及其推广
3.5.2 循环平稳熵的定义
3.5.3 滚动轴承数据循环平稳熵分析
3.5.4 噪声影响分析
3.6 基于KPCA的特征约简
3.6.1 基于类内类间距离判据的KPCA参数选择
3.6.2 轴承试验数据分析
3.7 本章小结
第四章 基于核模式分析方法的性能退化评估与预测方法研究
4.1 引言
4.2 基于SVM多分类器的性能退化评估
4.2.1 SVM多分类算法
4.2.2 SVM多分类算法对比
4.2.3 基于几何距离统计准则的参数优化
4.2.4 轴承试验数据分析
4.3 基于二值SVM几何距离的性能退化评估
4.3.1 基于几何距离的性能退化评估模型
4.3.2 模型参数选择
4.3.3 性能退化评估模型泛化能力研究
4.3.4 平滑自适应报警门限值设定
4.4 基于小波核函数SVAR的性能退化评估预测
4.4.1 SVR回归性能分析
4.4.2 WSVAR性能退化预测模型
4.4.3 基于WSVAR的轴承性能退化预测研究
4.5 本章小结
第五章 实验研究
5.1 引言
5.2 实验对象及实验设备
5.2.1 轴承强化疲劳试验台
5.2.2 试验轴承及测试条件
5.2.3 数据采集系统
5.3 实验方案与操作流程
5.3.1 实验方案
5.3.2 试验操作流程
5.4 滚动轴承实验数据性能退化分析
5.4.1 轴承B12性能退化过程中特征值变化规律
5.4.2 轴承B12性能退化评估与预测分析
5.4.3 轴承B14性能退化评估与预测分析
5.4.4 性能退化评估模型的推广性能验证
5.5 本章小结
第六章 设备性能退化评估系统的设计与实现
6.1 引言
6.2 基于层次分析的系统模型设计
6.2.1 AHP层次分析
6.2.2 设备性能退化评估系统模型设计
6.3 测点贡献度分析
6.3.1 结构树分析及结构重要度
6.3.2 测点贡献度的定义及计算
6.4 鼓风机性能退化评估系统设计与实现
6.4.1 评估系统总体设计
6.4.2 面向服务的性能退化评估模块设计与开发
6.4.3 鼓风机系统退化评估系统设计
6.4.4 鼓风机性能退化评估系统实现
6.5 本章小结
第七章 总结与展望
7.1 全文工作总结
7.2 主要创新点
7.3 研究展望
参考文献
附录
致谢