文档介绍：:.
学位论文作者:乡李学位论文作者:多弩日期:劢耗晗缭拢苋日期:加『『年乡月/鬈日学位论文原创性声明学位论文使用授权声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。
摘要在设备故障诊断中,传统的数据处理方法只能针对单通道数据进行分析,而单通道数据往往不能将设备的空间运动信息完整的表征出来。而作为全信息分析方法的一种,全矢谱分析技术在处理同源多通道故障信号的同时能够体现更全面准确的转子运动空间特征信息。在此基础上本文将全矢谱技术与支持向量数据描述相结合,提出了全矢谱支持向量数据描述琕故障诊断方法。针对支持向量数据描述琒分类方法中训练样本数目受限的问题,本文对分类器作二次改进,引入动态支持向量数据描述掷方法。该方法在训练样本中不断注入新的样本进而不断更新分类边界,从而更准确的表征了目标样本的区域边界。本文主要研究和解决问题如下:第一,支持向量数据描述方法是建立在统计学习理论之上的,核函数的引入可以把低维空间的非线性问题转化为高维空间的线性问题。选择不同的核函数对的分类效果不同。第二,运用全矢谱分析方法对采样数据进行分析处理,并且提取典型倍频上的幅值作为分类器的特征向量。实验表明经过全矢谱特征提取后的的分类效果较未经特征提取的分类效果更为明显。通过实验研究验证了全矢谱支持向量数据描述故障诊断方法对测试样本进行分类的可行性与有效性。第三,运用全矢谱支持向量数据描述方法对设备性能退化评估引入隶属度和相对距离的概念避免了超球体边界误差带来的影响,可以将测试样本的状态更加精确的表述出来;同时又体现了状态变化的过程。第四,提出动态支持向量数据描述分类方法的改进型。该方法的提出改变了原来分类方法中,分类器经过一次训之后分类边界永不改变的现状。它将测试得到的目标样本与本次测试以前的支持向量集一起形成新的训练样本,然后对重新训练。这样分类边界将更能体现设备的正常样本特征。关键词:.故障诊断;全矢谱;支持向量数据描述;特征提取;动态支持向量数据描述
,,瑃,.,
琣;畇琒;·,,甌,畁面·篺籿;.
С窒蛄渴菝枋龇椒ɡ砺邸摘要⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯...⋯.⋯⋯⋯..髀邸钙滋卣魈崛》椒ā课题概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.翁饫丛础.√獾哪康募耙庖濉设备故障诊断技术的国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯支持向量数据描述方法的诞生与发展⋯⋯⋯⋯⋯⋯⋯⋯⋯本文研究主要内容和结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯统计学习理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...С窒蛄渴菝枋鏊惴ā叩中的核函数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.中的数据预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..目录.................................................‘
С窒蛄渴菝枋黾坝τ谩崧塾胝雇参考文献⋯..⋯⋯⋯⋯⋯⋯⋯...⋯....⋯⋯......致洹个人简历、在学期间发表的学术论文及研究成果⋯.....⋯....概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯支持向量数据描述核函数的选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯全矢谱一支持向量数据描述故障诊断方法⋯⋯⋯⋯⋯⋯⋯.在滚动轴承故障诊断中的研究⋯⋯⋯⋯⋯⋯⋯⋯..在齿轮性能退化评估中的研究⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..增量式学习⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯动态支持向量数据描述算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.诠收险锒现械挠τ谩本文主要工作与结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
《全矢谱技术体系构建及故障诊断基础研究》编号:河南省自然