基于支持向量机的港口起重机减速箱故障诊断研究

目录

声明

第一章 绪论

1.1 课题研究的背景和意义

1.2 减速箱故障诊断研究现状

1.2.1 故障诊断方法分类

1.2.2 在线智能实时故障诊断研究现状

1.2.3 基于神经网络的故障诊断研究现状

1.2.4 基于SVM 诊断研究现状

1.3 论文主要研究内容和结构安排

1.3.1 论文主要研究内容

1.3.2 论文结构安排

第二章 信号处理与特征提取

2.1 振动加速度信号降噪

2.1.1 S 变换算法

2.1.2 奇异值分解算法

2.1.3 实验验证

2.2 特征提取和选择方法

2.2.1 特征的特点

2.2.2 经验模态分解特征提取

2.2.3 主分量分析降维

2.2.4 实例分析

2.3 小结

第三章 减速箱故障类型及产生机理

3.1 引言

3.2 减速箱振动故障机理和分析

3.2.1 轴承故障及分析

3.2.2 轴承特征频率

3.2.3 齿轮故障及分析

3.2.4 齿轮振动分析

3.3 实例分析

3.4 小结

第四章 支持向量机在减速箱故障诊断的应用

4.1 引言

4.2 统计学习理论

4.2.1 VC 维

4.2.2 泛化能力的界

4.2.3 结构风险最小化原则

4.3 SVM 分类模型

4.3.1 SVM 分类模型

4.3.2 多分类器结构

4.4 支持向量机

4.4.1 最优分类超平面

4.4.2 支持向量分类机

4.4.3 支持向量机的核函数

4.5 支持向量机模型

4.5.1 训练样本集的选取

4.5.2 训练特征的选择

4.5.3 核函数和参数的选择

4.6 小结

第五章 港机减速箱故障诊断实例

5.1 港机减速箱故障诊断试验台建设方案

5.1.1 试验台搭建目的

5.1.2 试验台总体架构

5.1.3 缩尺部件设计方案

5.1.4 缩尺部件相似准则

5.1.5 主要构件的详细参数

5.2 减速箱振动故障特征选择

5.2.1 时域特征

5.2.2 频域特征

5.2.3 IMF分量特征

5.3 故障特征的融合与数据降维

5.4 参数和核函数选取

5.5 样本错分原因分析

5.6 小结

第六章 结论与展望

6.1 论文工作总结

6.2 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