基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法研究
發(fā)布時(shí)間:2023-01-07 09:23
論文以支持向量機(jī)為理論基礎(chǔ),結(jié)合江西省自然科學(xué)基金項(xiàng)目:“基于支持向量機(jī)設(shè)備故障智能診斷方法中若干關(guān)鍵問(wèn)題研究(0650054)”和教育廳科技計(jì)劃項(xiàng)目:“基于支持向量機(jī)的故障智能診斷新方法研究”對(duì)智能故障診斷方法進(jìn)行了研究。以旋轉(zhuǎn)機(jī)械為研究對(duì)象,圍繞支持向量機(jī)在機(jī)械故障診斷領(lǐng)域應(yīng)用這一問(wèn)題,就多故障分類(lèi)器模型的建立、故障特征提取、基于核主元分析的特征選擇和核函數(shù)的參數(shù)優(yōu)化等關(guān)鍵問(wèn)題展開(kāi)討論,并通過(guò)仿真和實(shí)驗(yàn)對(duì)論文所研究的理論與方法進(jìn)行了驗(yàn)證。論文主要做了以下方面的工作: 1、論述了課題研究的背景和意義;介紹了故障診斷方法的發(fā)展和現(xiàn)狀;綜述了支持向量機(jī)的理論研究和應(yīng)用發(fā)展;分析了支持向量機(jī)應(yīng)用于機(jī)械故障診斷領(lǐng)域的可行性、優(yōu)勢(shì)及存在的不足;最后給出了本文研究的總體思路和主要內(nèi)容。 2、探討了支持向量機(jī)的多類(lèi)分類(lèi)問(wèn)題。 針對(duì)機(jī)械故障診斷這一典型的多類(lèi)故障模式分類(lèi)問(wèn)題,提出了采用基于聚類(lèi)思想的二叉樹(shù)多類(lèi)分類(lèi)算法建立多類(lèi)故障分類(lèi)器模型,并選用機(jī)器學(xué)習(xí)庫(kù)(UCI)中的典型模式識(shí)別測(cè)試數(shù)據(jù)集——Fisher Iris數(shù)據(jù)集作為仿真對(duì)象,驗(yàn)證了模型和算法的正確性和有效性。...
【文章頁(yè)數(shù)】:77 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 課題研究的背景和意義
1.2 故障診斷方法研究現(xiàn)狀
1.2.1 基于解析模型的方法
1.2.2 基于信號(hào)處理的方法
1.2.3 基于知識(shí)的方法
1.3 支持向量機(jī)研究現(xiàn)狀
1.4 傳統(tǒng)故障診斷方法的局限和支持向量機(jī)的優(yōu)勢(shì)與不足
1.5 論文研究的總體思路和主要內(nèi)容
1.5.1 總體思路
1.5.2 主要內(nèi)容
1.6 本章小結(jié)
第二章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)
2.1 引言
2.2 統(tǒng)計(jì)學(xué)習(xí)理論
2.2.1 學(xué)習(xí)問(wèn)題的表示
2.2.1.1 函數(shù)估計(jì)模型
2.2.1.2 風(fēng)險(xiǎn)最小化問(wèn)題
2.2.1.3 學(xué)習(xí)問(wèn)題的一般表示
2.2.1.4 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化歸納原則
2.2.2 函數(shù)的VC 維
2.2.3 推廣性的界
2.2.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
2.3 支持向量機(jī)兩類(lèi)分類(lèi)
2.3.1 線(xiàn)性問(wèn)題
2.3.2 非線(xiàn)性問(wèn)題
2.3.3 核函數(shù)
2.3.4 支持向量機(jī)的兩類(lèi)分類(lèi)實(shí)例
2.4 基于支持向量機(jī)的故障診斷基本步驟
2.5 本章小結(jié)
第三章 基于支持向量機(jī)的多類(lèi)分類(lèi)器研究
3.1 引言
3.2 多類(lèi)分類(lèi)算法
3.2.1 常用多類(lèi)分類(lèi)算法
3.2.2 基于二叉樹(shù)的多類(lèi)分類(lèi)算法
3.2.2.1 基本原理
3.2.2.2 算法分析
3.3 仿真試驗(yàn)
3.4 結(jié)果分析
3.5 本章小結(jié)
第四章 基于核主元分析的特征選擇方法研究
4.1 引言
4.2 基于主元分析的特征選擇原理
4.3 基于核主元分析的特征選擇原理和算法
4.3.1 基本原理
4.3.2 算法實(shí)現(xiàn)
4.4 仿真試驗(yàn)
4.5 結(jié)果分析
4.6 本章小結(jié)
第五章 支持向量機(jī)分類(lèi)器核函數(shù)的參數(shù)優(yōu)化
5.1 引言
5.2 模型的建立與優(yōu)化
5.2.1 模型的建立
5.2.2 優(yōu)化算法的實(shí)現(xiàn)
5.3 仿真試驗(yàn)
5.4 本章小結(jié)
第六章 實(shí)驗(yàn)研究
6.1 引言
6.2 實(shí)驗(yàn)設(shè)計(jì)
6.2.1 實(shí)驗(yàn)儀器及設(shè)備
6.2.2 測(cè)量方法及數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)
6.2.2.1 軸徑向振動(dòng)測(cè)量
6.2.2.2 鍵相信號(hào)測(cè)量
6.2.2.3 轉(zhuǎn)速信號(hào)測(cè)量
6.2.2.4 數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)
6.2.3 故障設(shè)置與信號(hào)采集
6.3 振動(dòng)信號(hào)故障特征提取
6.3.1 利用小波包分析進(jìn)行故障特征提取
6.3.2 故障特征提取算例
6.4 核主元分析故障特征選擇
6.5 基于聚類(lèi)思想的二叉樹(shù)支持向量機(jī)故障診斷方法
6.5.1 故障分類(lèi)器的建立
6.5.2 核函數(shù)的參數(shù)優(yōu)化
6.5.3 故障診斷的結(jié)果與分析
6.6 本章小結(jié)
第七章 總結(jié)和展望
7.1 論文總結(jié)
7.2 研究展望
參考文獻(xiàn)
致謝
附錄A:轉(zhuǎn)子試驗(yàn)臺(tái)部分樣本特征向量
個(gè)人簡(jiǎn)歷 在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果
本文編號(hào):3728379
【文章頁(yè)數(shù)】:77 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 課題研究的背景和意義
1.2 故障診斷方法研究現(xiàn)狀
1.2.1 基于解析模型的方法
1.2.2 基于信號(hào)處理的方法
1.2.3 基于知識(shí)的方法
1.3 支持向量機(jī)研究現(xiàn)狀
1.4 傳統(tǒng)故障診斷方法的局限和支持向量機(jī)的優(yōu)勢(shì)與不足
1.5 論文研究的總體思路和主要內(nèi)容
1.5.1 總體思路
1.5.2 主要內(nèi)容
1.6 本章小結(jié)
第二章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)
2.1 引言
2.2 統(tǒng)計(jì)學(xué)習(xí)理論
2.2.1 學(xué)習(xí)問(wèn)題的表示
2.2.1.1 函數(shù)估計(jì)模型
2.2.1.2 風(fēng)險(xiǎn)最小化問(wèn)題
2.2.1.3 學(xué)習(xí)問(wèn)題的一般表示
2.2.1.4 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化歸納原則
2.2.2 函數(shù)的VC 維
2.2.3 推廣性的界
2.2.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
2.3 支持向量機(jī)兩類(lèi)分類(lèi)
2.3.1 線(xiàn)性問(wèn)題
2.3.2 非線(xiàn)性問(wèn)題
2.3.3 核函數(shù)
2.3.4 支持向量機(jī)的兩類(lèi)分類(lèi)實(shí)例
2.4 基于支持向量機(jī)的故障診斷基本步驟
2.5 本章小結(jié)
第三章 基于支持向量機(jī)的多類(lèi)分類(lèi)器研究
3.1 引言
3.2 多類(lèi)分類(lèi)算法
3.2.1 常用多類(lèi)分類(lèi)算法
3.2.2 基于二叉樹(shù)的多類(lèi)分類(lèi)算法
3.2.2.1 基本原理
3.2.2.2 算法分析
3.3 仿真試驗(yàn)
3.4 結(jié)果分析
3.5 本章小結(jié)
第四章 基于核主元分析的特征選擇方法研究
4.1 引言
4.2 基于主元分析的特征選擇原理
4.3 基于核主元分析的特征選擇原理和算法
4.3.1 基本原理
4.3.2 算法實(shí)現(xiàn)
4.4 仿真試驗(yàn)
4.5 結(jié)果分析
4.6 本章小結(jié)
第五章 支持向量機(jī)分類(lèi)器核函數(shù)的參數(shù)優(yōu)化
5.1 引言
5.2 模型的建立與優(yōu)化
5.2.1 模型的建立
5.2.2 優(yōu)化算法的實(shí)現(xiàn)
5.3 仿真試驗(yàn)
5.4 本章小結(jié)
第六章 實(shí)驗(yàn)研究
6.1 引言
6.2 實(shí)驗(yàn)設(shè)計(jì)
6.2.1 實(shí)驗(yàn)儀器及設(shè)備
6.2.2 測(cè)量方法及數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)
6.2.2.1 軸徑向振動(dòng)測(cè)量
6.2.2.2 鍵相信號(hào)測(cè)量
6.2.2.3 轉(zhuǎn)速信號(hào)測(cè)量
6.2.2.4 數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)
6.2.3 故障設(shè)置與信號(hào)采集
6.3 振動(dòng)信號(hào)故障特征提取
6.3.1 利用小波包分析進(jìn)行故障特征提取
6.3.2 故障特征提取算例
6.4 核主元分析故障特征選擇
6.5 基于聚類(lèi)思想的二叉樹(shù)支持向量機(jī)故障診斷方法
6.5.1 故障分類(lèi)器的建立
6.5.2 核函數(shù)的參數(shù)優(yōu)化
6.5.3 故障診斷的結(jié)果與分析
6.6 本章小結(jié)
第七章 總結(jié)和展望
7.1 論文總結(jié)
7.2 研究展望
參考文獻(xiàn)
致謝
附錄A:轉(zhuǎn)子試驗(yàn)臺(tái)部分樣本特征向量
個(gè)人簡(jiǎn)歷 在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果
本文編號(hào):3728379
本文鏈接:http://www.sikaile.net/jixiegongchenglunwen/3728379.html
最近更新
教材專(zhuān)著