声明
致谢
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于传统方法的轴承故障诊断和预测
1.2.2 基于智能技术的轴承故障诊断和预测
1.2.3 研究现状总结
1.3 本文研究内容
2 故障预测技术及模型相关理论
2.1 故障预测技术
2.1.1 三类故障预测技术
2.1.2 本文采用的方法及技术路线
2.2 故障预测模型
2.2.1 支持向量机
2.2.2 决策树
2.2.3 随机森林
2.2.4 三种故障预测模型的比较
2.4 本章小结
3 高速列车轴箱轴承数据分析及预处理
3.1 轴箱轴承的工作背景及温升机理
3.1.1 轴箱轴承的工作背景
3.1.2 现用轴温检测系统的原理及不足
3.1.3 滚动轴承的温升机理及其影响
3.2 数据预处理方案
3.2.1 本文原始数据分析
3.2.2 单因素相关性分析
3.2.3 数据清洗及整合
3.2.4 时间窗分割及特征值提取
3.2.5 贴标签制作数据集
3.3 特征处理
3.3.1 特征标准化
3.3.2 特征降维
3.4 本章小结
4 基于数据不平衡问题改进的故障预测模型
4.1 数据不平衡问题的改进
4.1.1 数据层面的改进方法
4.1.2 算法层面的改进方法
4.1.3 本文采用的改进方法
4.2 模型的参数调优及评估方法
4.2.1 性能度量指标
4.2.2 交叉验证法
4.2.3 参数调优及评估方法
4.3 改进模型的对比实验及分析
4.3.1 对比实验及评估
4.3.2 实验结论及模型选择
4.4 模型的验证
4.5 本章小结
5 结论和展望
5.1 结论
5.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;