基于机器学习的高速列车轴箱轴承故障预测方法研究

目录

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