声明
摘要
第一章 绪论
1.1 课题概述
1.1.1 课题来源
1.1.2 研究背景及意义
1.2 国内外研究发展与现状
1.2.1 故障趋势预测国内外研究发展
1.2.2 支持向量机基本原理与发展概述
1.3 问题提出
1.4 主要研究内容及论文结构
1.4.1 主要研究内容
1.4.2 论文结构安排
第二章 基于标准LS-SVM的轴承退化预测方法
2.1 统计学习理论
2.1.1 机器学习基本介绍
2.1.2 统计学习理论介绍
2.2 LS-SVM预测算法
2.2.1 算法原理概述
2.2.2 仿真实验
2.3 基于LS-SVM的单步预测
2.3.1 轴承故障试验台
2.3.2 性能衰退指标选取
2.3.3 耦合模拟退火算法
2.3.4 实验对比分析
2.4 基于LS-SVM的多步预测
2.4.1 多步预测方法概述
2.4.2 迭代更新预测与比较
2.5 本章小结
第三章 基于时移多变量LS-SVM轴承退化预测方法
3.1.1 多变量LS-SVM原理
3.1.2 仿真试验
3.2 特征变量选取
3.2.1 特征变量种类及计算方法
3.2.2 特征变量选取方法
3.3 基于时移多变量LS-SVM预测模型
3.3.1 模型样本对构造
3.3.2 移动窗口迭代更新
3.4 故障预测实验
3.4.1 试验台介绍
3.4.2 实验对比与分析
3.5 本章小结
第四章 基于过程时移多变量LS-SVM轴承退化预测方法
4.1.1 过程LS-SVM机理分析
4.1.2 过程LS-SVM核函数研究
4.1.3 过程LS-SVM预测模型建立
4.2 混沌时间序列仿真实验
4.3 过程时移多变量LS-SVM预测模型
4.3.1 多变量分解与样本对构造
4.3.2 模型迭代更新
4.4 实验对比与分析
4.4 本章小结
第五章 结论与展望
5.1 全文工作总结
5.2 研究展望
参考文献
致谢
已发表的学术论文
作者和导师简介