声明
第1 章绪论
1.1 引言
1.2 课题背景和意义
1.3 故障诊断国内外研究现状
1.3.1 故障诊断概述
1.3.2 故障数据特征提取国内外研究现状
1.3.3 故障识别算法国内外研究现状
1.4 主要研究内容及技术路线
第2 章智能故障诊断算法研究
2.1 引言
2.2 智能故障诊断及预测方法
2.2.1 基于数学模型的方法
2.2.2 基于信号处理的方法
2.2.3 基于知识的方法
2.3 支持向量机
2.4 树集成模型
2.4.1 RandomForest模型
2.4.2 AdaBoost模型
2.4.3 XGBoost模型
2.4.4 LightGBM 模型
2.4.5 CatBoost模型
2.5 本章小结
第3 章数据集来源与数据分析处理
3.1 引言
3.2 特征工程
3.3 斯堪尼亚卡车空压系统故障数据集
3.3.1 数据集简介
3.3.2 数据分析及预处理
3.3.3 模型性能评价指标
3.4 滚动轴承故障预测数据集
3.4.1 数据集简介
3.4.2 数据分析及预处理
3.4.3 模型性能评价标准
3.5 本章小结
第4 章基于单模型的故障诊断方法研究
4.1 引言
4.2 贝叶斯优化与网格搜索调参
4.3 基于单模型的故障诊断
4.3.1 基于SVM的故障诊断模型
4.3.2 基于RandomForest的故障诊断模型
4.3.3 基于AdaBoost 的故障诊断模型
4.3.4 基于XGBoost 的故障诊断模型
4.3.5 基于LightGBM的故障诊断模型
4.3.6 基于CatBoost 的故障诊断模型
4.3.7 实验结果分析
4.4 本章小结
第5 章基于改进Stacking 模型的故障诊断方法研究
5.1 引言
5.2 Stacking 模型改进
5.3 基于改进Stacking 模型的故障诊断实验
5.3.1 Stacking 模型第二层算法选择
5.3.2 空压系统故障诊断实验结果分析
5.3.3 滚动轴承故障诊断
5.3.4 滚动轴承故障诊断实验结果分析
5.4 结果汇总与模型对比分析
5.5 本章小结
结论与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
西南交通大学;