声明
摘要
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 复杂网络及在故障诊断中的研究现状
1.2.2 社团聚类及其研究现状
1.3 本论文的主要工作
第二章 故障样本复杂网络社团特性分析
2.1 复杂网络的数学描述
2.1.1 度和度分布
2.1.2 路径长度和介数
2.1.3 聚类系数
2.2 故障样本复杂网络模型
2.2.1 实验设备简介
2.2.2 故障数据采集
2.2.3 故障样本网络节点
2.2.4 故障样本网络的边权
2.2.5 建立故障样本数据网络
2.3 故障样本复杂网络社团特性分析
2.3.1 故障样本网络统计特性
2.3.2 网络重要节点特性分析
2.4 本章小结
第三章 基于复杂网络社团聚类的机械故障模式识别
3.1 社团聚类算法
3.1.1 节点关联度的初始社团划分
3.1.2 冗余社团聚类合并
3.2 基于复杂网络社团聚类的故障诊断模型
3.2.1 故障诊断步骤
3.2.2 故障诊断模型
3.3 滚动轴承故障诊断实例
3.4 本章小结
第四章 基于复杂网络社团聚类的改进K-means聚类诊断
4.1 K-means聚类算法的基本原理
4.2 改进K-means聚类算法
4.2.1 基于复杂网络社团结构模块性的故障种类确定
4.2.2 基于复杂网络节点关联度的初始聚类中心确定
4.3 改进K-means聚类算法故障诊断模型
4.3.1 故障诊断步骤
4.3.2 故障诊断模型
4.4 滚动轴承故障诊断实例
4.4.1 故障种类与初始聚类中心的确定
4.4.2 故障诊断结果与分析
4.4 本章小结
第五章 基于复杂网络社团聚类的复合故障特征分离与诊断
5.1 旋转机械复合故障诊断方法简介
5.2 基于复杂网络社团聚类的复合故障特征分离方法
5.2.1 EMD算法
5.2.2 IMF分量社团聚类方法
5.2.3 复杂网络社团聚类的复合故障特征分离诊断模型
5.3 复合故障特征分离与诊断实例研究
5.3.1 转子不平衡和轴承内圈复合故障诊断
5.3.2 轴承内圈和滚珠复合故障诊断
5.4 本章小结
第六章 结论与展望
6.1 论文总结
6.2 研究展望
参考文献
致谢
附录 攻读学位期间参研项目和发表论文目录