转子故障数据集降维与分类方法研究

目录

声明

插图索引

附表索引

第1章 绪论

1.1 选题背景及意义

1.2 旋转机械智能故障诊断技术

1.3 基于流形学习的故障诊断方法综述

1.3.1 流形学习简介

1.3.2 流形学习在国内外的研究现状

1.3.3 流形学习在故障诊断中的应用

1.4 本论文研究内容及结构安排

第2章 转子故障特征集降维方法的流形学习简介

2.1 引言

2.2 转子系统典型故障概述

2.3 基于图拉普拉斯特征谱嵌入的几种常用维数约简方法

2.3.1 拉普拉斯特征谱嵌入算法(LE)

2.3.2 局部保持投影算法(LPP)

2.3.3 无监督判别投影算法(UDP)

2.3.4 边缘Fisher分析算法(MFA)

2.3.5 分析与讨论

2.4 本章小结

第3章 基于局部边缘判别投影的转子故障数据集降维方法研究

3.1 引言

3.2 相关算法简介

3.2.1 LDA算法

3.2.2 LPP算法

3.3 提出的LMDP算法

3.3.1 基本思想

3.3.2 设置的目标函数

3.3.3 LMDP算法步骤

3.4 基于LMDP的故障数据集降维方法设计

3.5 实验结果分析

3.5.1 转子故障模拟实验Ⅰ

3.5.2 转子故障模拟实验Ⅱ

3.5.3 分析与讨论

3.6 本章小结

第4章 基于LCMMDP维数约简的转子故障诊断方法

4.1 引言

4.2相关算法基本原理简介

4.2.1 MDP算法描述

4.2.2 LMKNCN算法描述

4.3 设计的LCMMDP降维算法

4.3.1 k近质心近邻邻域的构造方法

4.3.2 确定的目标函数

4.3.3 定义的权重

4.3.4 规划的LCMMDP算法步骤

4.4 提出的KNCNCM分类算法

4.5 建立的LCMMDP与KNCNCM融合的故障诊断方法

4.6 实验结果分析

4.6.1 Iris仿真数据验证实验

4.6.2 转子故障模拟实验

4.6.3 讨论与分析

4.7 本章小结

第5章 基于局部与全局平衡的正交判别投影转子故障数据集降维方法研究

5.1 引言

5.2 正交判别投影算法简介

5.3 提出的局部与全局平衡正交判别投影算法

5.3.1 局部特征提取

5.3.2 全局特征提取

5.3.3 构造的LGBODP目标函数

5.3.4 设计的LGBODP算法步骤

5.4 LGBODP维数约简的故障诊断方法设计

5.5 实验结果分析

5.5.1 转子故障模拟实验Ⅰ

5.5.2 转子故障模拟实验Ⅱ

5.5.3 讨论与分析

5.6 本章小结

总结与展望

总结

展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文

附录B 参加科研项目情况