声明
1 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.3 论文研究工作
1.3.1 研究内容
1.3.2 组织框架
1.4 论文章节安排
2 相关技术和理论
2.1 采煤机结构及其轴承故障
2.2 数据预处理相关理论
2.2.1 数据相关性分析
2.2.2 数据降维处理
2.3 Adaboost集成学习算法理论
2.4 BP神经网络模型
2.5 非线性逻辑回归理论
2.5.1 逻辑回归原理
2.5.2 无约束最优化方法
2.6 本章小结
3 Adaboost集成学习算法截割部轴承故障诊断
3.1 数据分析
3.2 属性约简
3.2.1 皮尔逊相关系数法
3.2.2 主成分分析法
3.3 PCA-BP_Adaboost截割部轴承故障诊断
3.3.1 模型训练过程
3.3.2 Adaboost算法的参数确定
3.4 算法的评价指标
3.5 实验设计与分析
3.5.1 属性约简的重要作用
3.5.2 弱分类器个数的选定
3.5.3 实验对比分析
3.6本章小结
4 非线性逻辑回归算法截割部轴承故障诊断
4.1 逻辑回归预测过程
4.2 非线性逻辑回归故障诊断
4.2.1 代价估计
4.2.2 参数求值
4.3 模型训练过程
4.4 实验设计与分析
4.5本章小结
5 采煤机截割部轴承故障诊断系统设计
5.1 需求分析
5.1.1 功能需求分析
5.1.2 非功能性需求分析
5.2 总体设计
5.2.1系统功能模块设计
5.2.2数据库设计
5.3 系统实现
5.4 系统测试
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
附录
西安科技大学;