基于有向无环图相关向量机的滚动轴承故障诊断研究

声明

1 绪论

1.1 课题的研究背景与研究意义

1.2 国内外研究现状

1.2.1 振动信号去噪及特征提取现状

1.2.2 分类现状研究

1.2.3 故障诊断方法概述

1.3 本文主要研究内容及结构

1.3.1 主要研究内容

1.3.2 各章节结构安排

1.4 本章小结

2 相关理论知识介绍

2.1 基本知识

2.2 振动信号相关知识

2.3 相关向量机（RVM）分类方法

2.3.1 贝叶斯学习框架

2.2.2 相关向量机理论

2.3.3 相关向量机的特点

2.4 CWRU轴承数据库介绍

2.5 本章小结

3 振动信号的去噪和特征提取

3.1 多小波算法

3.1.1 多小波基本概念

3.1.2 多小波去噪算法改进

3.2 特征提取相关算法

3.2.1 经验模态分解（EMD）算法

3.2.2 集合经验模态分解（EEMD）算法

3.3 仿真实验数据说明

3.4 多小波预处理实验验证与对比

3.5 EEMD特征提取实验验证与对比

3.6 本章小结

4 基于有向无环图相关向量机的滚动轴承故障诊断研究

4.1 多分类算法研究

4.1.1 一对一相关向量机（OAO-RVM）多分类器

4.1.2 一对多相关向量机(OAR-RVM)多分类器

4.1.3 有向无环图相关向量机(DAG-RVM)多分类器

4.2 基于DAG-RVM 的滚动轴承故障诊断仿真实验

4.2.1 诊断流程

4.2.2 实验平台

4.3 实验对比分析

4.3.1 有向无环图（DAG）的优势

4.3.2 对比分析

4.4 本章小结

5 总结与展望

5.1 论文总结

5.2 研究展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢