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)用這一問題,就多故障分類器模型的建立、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)鍵問題展開討論,并通過仿真和實(shí)驗(yàn)對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)的多類分類問題。 針對機(jī)械故障診斷這一典型的多類故障模式分類問題,提出了采用基于聚類思想的二叉樹多類分類算法建立多類故障分類器模型,并選用機(jī)器學(xué)習(xí)庫（UCI）中的典型模式識別測試數(shù)據(jù)集——Fisher Iris數(shù)據(jù)集作為仿真對象,驗(yàn)證了模型和算法的正確性和有效性。... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：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 基于信號處理的方法
        1.2.3 基于知識的方法
    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)最小化問題
            2.2.1.3 學(xué)習(xí)問題的一般表示
            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)兩類分類
        2.3.1 線性問題
        2.3.2 非線性問題
        2.3.3 核函數(shù)
        2.3.4 支持向量機(jī)的兩類分類實(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)的多類分類器研究
    3.1 引言
    3.2 多類分類算法
        3.2.1 常用多類分類算法
        3.2.2 基于二叉樹的多類分類算法
            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)測量
            6.2.2.2 鍵相信號測量
            6.2.2.3 轉(zhuǎn)速信號測量
            6.2.2.4 數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)
        6.2.3 故障設(shè)置與信號采集
    6.3 振動(dòng)信號故障特征提取
        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 基于聚類思想的二叉樹支持向量機(jī)故障診斷方法
        6.5.1 故障分類器的建立
        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：3728379