声明
1 绪论
1.1课题研究背景和意义
1.2 故障诊断方法发展状况
1.2.1 故障诊断方法的发展
1.2.2 故障诊断研究现状
1.3 关键问题分析
1.3.1 数据的预处理
1.3.2 提高故障诊断的准确率
1.4 论文的主要研究内容
2 数据特征提取
2.1振动信号分析方法
2.1.1凯斯西储大学轴承故障数据集
2.1.2 时域分析方法
2.1.3 频域分析方法
2.1.4 时频域分析方法
2.2经验模态分解算法
2.2.1 本征模函数
2.2.2 EMD方法分解过程
2.3 基于EMD的振动信号特征提取
2.3.1 振动数据的能量特征
2.3.2 振动数据属性特征对比分析
2.4 本章小结
3 基于BFO算法优化的支持向量分类机故障诊断
3.1支持向量分类机算法
3.1.1 支持向量分类机理论
3.1.2 SVC相关参数
3.1.3 多分类策略
3.2 支持向量分类机故障诊断
3.2.1 支持向量分类机故障诊断结构
3.2.2 支持向量分类机参数调节
3.3 BFO算法优化SVC模型参数
3.3.1 BFO算法理论
3.3.2 BFO算法具体步骤
3.3.3 BFO算法优化SVC参数流程
3.3.4 BFO算法参数优化实验
3.4 故障诊断实验和分析
3.4.1 振动数据的故障诊断
3.4.2 故障诊断性能分析比较
3.5 本章小结
4 故障诊断与健康评估系统设计
4.1系统整体设计
4.1.1 硬件平台介绍
4.1.2 系统整体框架
4.1.3 系统功能需求模块
4.2系统软件开发技术
4.2.1 Web系统
4.2.2 Flask服务系统
4.2.3 数据传输格式
4.3系统展示与分析
4.3.1 系统界面
4.3.2 系统分析
4.4本章小结
5 总结与展望
5.1工作总结
5.2研究展望
致谢
参考文献
