基于改进经验模态分解与多种特征选择的滚动轴承故障诊断

目录

声明

主要符号说明

第一章 绪论

1.1 研究背景及意义

1.2 故障信号处理方法研究现状

1.2.1 信号时域分析法

1.2.2 信号频域分析法

1.2.3 信号时-频域分析法

1.3 故障特征选择技术研究现状

1.3.1 基于搜索策略的特征选择方法

1.3.2 基于评价准则的特征选择方法

1.4 故障分类方法研究现状

1.4.1 基于统计模式识别方法

1.4.2 基于人工智能识别方法

1.5 本文的章节安排

第二章 改进经验模态分解

2.1 EMD 原理与分析

2.2 基于近邻极值比较法

2.2.1 近邻极值比较法原理

2.2.2 实验分析与结果

2.3 基于BP 神经网络极值预测法

2.3.1 BP 神经网络极值预测法原理

2.3.2 实验分析与结果

2.4 本章小结

第三章 靶向特征选择

3.1 靶向特征选择的提出

3.2 特征评价准则

3.2.1 基于特征离合度的评价方法

3.2.2 基于特征混合度的特征评价方法

3.3 启发式搜索

3.3.1 建立启发式规则

3.3.2 最佳优先搜索策略

3.4 靶向特征选择流程

3.5 实验分析与结果

3.5.1 故障诊断分类器

3.5.2 实验数据

3.5.3 实验过程

3.5.4 实验结果分析

3.6 本章小结

第四章 Relief、ReliefF 权值动态结合的特征选择

4.1 Relief 系列算法

4.1.1 Relief 算法

4.1.2 ReliefF 算法

4.2 Relief、ReliefF 权值动态结合

4.3 实验分析与结果

4.3.1 实验过程

4.3.2 实验结果分析

4.4 本章小结

第五章 结论与展望

5.1 研究结论

5.2 研究展望

参考文献

个人简历 在读期间发表的学术论文

致谢