一、向量分解小波包分析软件包简介（论文文献综述）
罗婧茹[1]（2020）在《电站锅炉受热面灰污处理技术研究》文中研究指明电站锅炉机组在运行中受热面会产生积灰和结渣,甚至还会产生结焦,对积灰进行定期吹扫能有效减少灰污的积累,降低结渣和结焦的概率,进而提高锅炉运行效益。但是吹灰处理与锅炉机组的实际运行状况密切相关,故搭建炉膛内受热面的灰沉积趋势监测模型,并根据监测情况实现对受热面的灰污处理显得格外重要。在详述本研究的背景、意义及国内外对灰沉积研究状况的基础上,首先基于660MW的电站锅炉机组这一研究对象,分析了传统意义热力学建模的特点;其次,研究了电站锅炉整体建模的技术思想,将其所有受热面作为一个整体,建立锅炉整体热力学模型,通过不断迭代校核,获得精确客观的运行数据;第三,为了有效分析锅炉受热面灰污沉积趋势及吹灰特点,根据各受热面的信号特征,设计了以Fourier变换为研究基础的滤波器和小波分析滤波器,通过对比试验分析,证实小波分析滤波器滤波结果的可靠性、准确性,其在时间、频率两域都有表征信号局部特征的优越性,同时研究了运用小波包分析来反映信号中的高频细节的技术。最后,在得出降噪处理后信号的基础上,搭建炉内受热面的灰污沉积趋势模型,并在此基础上运用等效焓降理论来对吹灰模式经调整后引起的经济性收益变化进行分析。本研究通过开展吹灰试验以及模型验证试验初步证实了锅炉整体建模的合理性和可靠性,并通过对监测信号的滤波降噪,分析证实了电站锅炉受热面灰污处理技术的可行性,即按需吹灰。最后,运用了等效焓降法计算分析单个受热面因此产生的经济性收益量。
吴姗[2]（2020）在《模糊聚类在滚动轴承故障识别中的应用研究》文中认为滚动轴承的应用范围极广,作为旋转机械设备的重要组成部分,却也是最容易受损的部件之一,它的健康状态会直接决定整个机械设备能否正常运行。因此,在机械故障监测与诊断领域内,提高对滚动轴承故障监测的有效性尤为重要。特别是在发展迅速的现代化机械设备中,各个零部件之间的配合由于结构的复杂化、自动化、高速化,也变得更加紧密,更是加大了滚动轴承发生故障的可能性。传统的故障诊断方法是通过现有的经验知识对检测到的故障信号进行故障诊断,但此类方法局限性较大。因此,本文提出以模糊聚类分析为主的滚动轴承故障诊断算法,在无先验条件的基础上,对滚动轴承故障进行分类。本文基于小波变换与不平衡数据处理提出了改进的马氏距离模糊聚类优化算法WKSM-FCM（Wavelet K-Smote SM-FCM）。先通过小波分析对原始故障数据进行降噪处理,再用小波包分析提取故障特征向量。由于滚动轴承故障是小样本分类问题,具有较为相似的样本特征,很容易被误归为一类,需通过不平衡处理对数据集进行有效划分,提高对故障信号的识别精度。故采用基于马氏距离改进的SM-FCM模糊聚类算法对故障进行分类,可实现自适应地调整数据的几何分布,并解决传统模糊聚类中因欧氏距离无法区分不同类别间属性差异而产生的问题,进而降低误分率。通过对仿真信号和实测信号的分析与对比,证明了此方法的可行性。以美国凯斯西储大学的滚动轴承故障模拟试验台提供的故障数据为研究对象,对不同类型的故障数据进行采集,并利用MATLAB对仿真数据和实验数据进行实时监测与分析,实现模糊聚类在滚动轴承故障识别中的应用。
丁毅[3]（2020）在《三电平逆变器故障诊断方法及诊断系统平台研究》文中认为电力电子是一门研究电能变换的理论、方法和应用的学科,因为能够高效率地提供任意形式的电能而被广泛应用。相比于两电平逆变器,多电平逆变器是一种通过改变变换器自身拓扑结构来实现高压大功率输出的新型变换器。其中,三电平NPC逆变器因其具有诸多优点,可以实现系统稳定运行,受到了广泛关注。但是自身因为增加了功率器件的数量,给系统的稳定带来了挑战。本文基于前辈的研究成果,提出基于小波包分析及量子神经网络的故障诊断方案,并应用在三电平逆变器故障诊断中,并基于实验平台,搭建实时在线诊断系统,通过PC端查看系统状态。主要工作如下:首先,本文从NPC三电平逆变器工作原理出发,研究了逆变器的换流路径,分析了逆变器的调制控制算法,分析了逆变器可能出现的故障,对故障进行分类,总结出可能出现的故障种类,并通过MATLAB Simulink仿真,对三桥臂电压波形进行分析,从波形图验证本文所提方法可行性,为进一步实现故障诊断打下基础。其次,完成了基于小波包和量子神经网络的NPC三电平逆变器故障诊断。通过采用小波包分析和KPCA相结合方式,完成故障特征提取,减少冗余信息,最大程度保留原始故障信息。针对故障诊断算法,本文采用量子神经网络,可以实现准确的故障分类,通过优化梯度下降法,实现快速诊断。搭建DSP+FPGA为控制系统的实验平台验证,本文所采用的方法取得了良好的故障诊断效果,适用于三电平NPC逆变器在线故障诊断,也为后续的系统可视化打下基础。最后,在上位机建立软件总体设计,通过使用C#、My SQLs数据库等众多软件,设计了一套属于NPC逆变器故障诊断的实时在线系统,该系统可以实现观看逆变器运行状态,可以通过授权,远程对逆变器进行监控,在逆变器发生故障时,可以实现远程报警,并通过远程发送指令,改变逆变器的运行状态,从而避免出现更加严重的故障。这套软件系统也可以实现系统的日志保存,通过查看历史日志,可以充分发现逆变器存在的潜在问题。
周恒飞[4]（2020）在《面向表面质量的自适应加工参数控制方法研究》文中进行了进一步梳理智能制造是我国建设制造业强国的主攻方向,而数控机床作为“工业之母”,其智能化水平对智能制造的推进具有关键作用。在传统数控加工方式中,加工参数固定不变,难以适应复杂的动态加工过程,智能化水平较低。尤其对于航空航天零件,由于经常出现薄壁结构,传统加工方式极易产生振动和变形,极大影响了加工质量和效率。自适应加工参数控制能够有效解决上述问题,是机床智能化的重要体现。但是当前自适应加工参数控制的研究更多的是以加工效率为目标,面向加工质量的研究较少。本文以保证铣削加工表面粗糙度为首要目标,研究了面向表面质量的自适应加工参数控制方法。首先针对铣削颤振对表面粗糙度的严重影响,研究了铣削颤振的在线检测和控制方法。在对铣削振动信号进行小波包分析的基础上,提出了以小波包能量熵为特征量的铣削颤振在线检测方法,能够将刚出现颤振趋势的颤振孕育状态及时地检测出来。通过分析铣削稳定性条件,研究了基于稳定域转速的铣削颤振在线抑制方法,制定了相应的稳定域主轴转速控制策略。针对无颤振稳定状态的进给速度控制,研究了铣削加工表面粗糙度预测建模及以模型为依据的进给速度控制方法。分析了当前预测建模存在的问题,提出了以支持向量机分类算法为基础、以加工参数和振动信号均方根值为输入的表面粗糙度预测建模方法。在一般的支持向量机增量学习方法基础上,改进得到了面向表面粗糙度预测模型的增量学习方法。为解决分类模型输出结果不能直接作为进给速度控制依据的问题,引入了分类置信度的概念,以支持向量机分类置信度为约束目标设计了进给速度的模糊控制器,实现了铣削加工进给速度的智能控制。最后,基于SINUMERIK 840D系列数控系统开发了自适应加工参数控制系统,研究了其中的关键技术,设计了相应的对比实验。实验结果表明,自适应加工参数控制方法在出现铣削颤振时能够有效抑制颤振,在无颤振的稳定状态下能够实现表面粗糙度与加工效率的平衡。
周余庆[5]（2020）在《立铣刀状态监测与剩余有效寿命预测方法研究》文中指出生产过程的自动化和智能化已成为制造业的发展趋势,数控铣床凭借其高自动化、高稳定性、高精度和柔性化等优点,已成为自动化生产中的重要部件。刀具作为数控铣床实施铣削操作的最终端部件,是铣削加工成功的关键因素之一,也是最易损伤和浪费最严重的部件,对其进行及时有效的状态识别与监测尤为重要。然而,铣削刀具状态监测（Tool condition monitoring,TCM）呈现的样本量有限、信噪比低、时变性强等特征,使得传统状态监测方法大打折扣。因此,如何提高刀具状态的识别精度及其剩余有效寿命的预测精度,及时有效地监测刀具运行状态,已成为铣削加工智能化发展亟待解决的问题,也是当前智能加工技术的主要方向之一。本研究以立铣刀为研究对象,围绕铣削过程刀具状态监测与剩余有效寿命预测问题,结合机器学习、智能计算和随机过程理论,对监测模型、特征选择方法、剩余有效寿命预测等方面进行了深入研究,旨在为铣削过程的刀具状态监测提供更有效的方法。为提高铣削过程TCM的准确性,结合核极限学习机学习速度快和层次角度核函数能够模拟大型神经网络计算向量相似度的优点,提出了一种两层角度核极限学习机算法。该算法克服了核极限学习机在复杂非线性高维数据特征学习上的欠缺,避免了核函数及其核参数的选取与设定问题。在若干分类和回归问题基准数据集上的测试表明,该算法在不明显影响学习速度下能有效提高学习性能。提出了基于两层角度核极限学习机的铣削TCM模型,在两个铣削TCM基准数据集和一个单传感TCM实验的应用研究,证实了该模型在有限样本TCM情形下的可行性和有效性。为进一步提升TCM识别精度,提出了基于盲源分离技术和两层角度核极限学习机的刀具状态监测方法,引入稳态子空间分析方法对原始信号进行盲源分离,再利用两层角度核极限学习机对刀具状态进行识别,TCM基准数据集和TCM实验分析表明,该方法可以显着提升TCM的识别精度。为克服大多数特征参数选择方法侧重于局部依赖性的不足,提出了基于全局诊断误差和改进差分进化算法的TCM特征选择方法。该方法首先构建基于时域、频域、时频域等多域特征参数候选集,建立以最小化全局诊断误差和特征参数数量为目标的两目标优化模型,并将其转化为单目标无约束优化组合问题,进而采用差分进化算法进行寻优。为加快优化算法的收敛速度,对差分进化算法加以改进,充分利用历代种群个体的解信息,迭代更新特征参数对目标函数的取值特性,并按照一定比例优化种群个体,从而减少算法迭代次数。TCM基准数据测试和多传感立铣刀状态监测实验分析证明,该方法能实现在减少传感器数量的同时获得刀具状态的高精度识别。针对有限样本下刀具剩余有效寿命预测精度不足的问题,结合随机过程理论,提出了基于逆高斯过程的刀具剩余有效寿命预测方法。根据实验数据规律,对逆高斯过程的形状函数加以改进,假设刀具磨损单位增量服从基于当前磨损状态的逆高斯过程,采用极大似然估计法对改进逆高斯过程模型进行参数估计,进而采用切片采样技术快速有效地生成改进逆高斯过程随机数,基于随机数的概率分布对刀具剩余有效寿命进行预测。对TCM基准数据集和多传感立铣刀状态监测实验的分析表明,该方法能获得有效的刀具剩余有效寿命预测值和95%置信区间。开发了基于DSP的便携式TCM原型系统,可较准确地监测立铣刀的运行状态,有效地预测立铣刀剩余有效寿命,为提高刀具有效利用率、降低加工成本提供必要的信息化支撑。
吴勇[6]（2019）在《基于振动信号的滚动轴承故障诊断技术研究》文中研究表明滚动轴承作为机械设备中关键的构成,其工作状态影响着整个设备的运行。同时滚动轴承又是极易损伤的元件之一,每年世界上都发生着由于滚动轴承故障而引起的生产事故,造成巨大的财产损失。所以对滚动轴承故障诊断的研究就显得非常必要。本文针对滚动轴承的运行状况监测研发了一套故障诊断与数据管理系统。首先,本文陈述了滚动轴承的工作原理、振动机理、失效形式以及特征频率。接着,对滚动轴承损伤信号特征的提取方法进行了探讨。分别使用小波包分解算法以及CEEMDAN算法对振动信号进行分解,以子频带能量或模式分量能量作为初始特征向量。使用ReliefF算法或相关性分析方法,舍去一部分对分类贡献较小的特征,并得到最终的故障特征样本。其次,对滚动轴承故障的分类算法进行了理论研究。结合支持向量机（Support Vector Machine,SVM）方法的分类原理,分别利用遗传算法（Genetic Algorithm,GA）以及粒子群算法（Particle Swarm Optimization,PSO）对SVM的惩罚因子和核函数参数进行了优化。利用处理好的轴承故障特征样本对SVM分类器进行训练,对未知状态信号进行分类诊断。并且对上述不同的特征提取算法以及特征分类算法进行组合,比较了不同组合的分类准确度,最终选取最优的组合方式。最后,利用MATLAB和LabVIEW联合编程方法开发了故障诊断与数据管理系统。软件包括了滚动轴承振动信号、工况参数的实时监控与存储、轴承型号的管理、轴承振动数据的曲线显示与时频分析以及轴承故障的智能分类诊断等功能。根据项目需要,搭建了故障诊断实验台。进行模拟实验,模拟滚动轴承在不同转速、不同损伤类型下的运转情况,利用本论文开发的软件系统对实验中的振动信号进行采集与分析。实验结果验证了该软件系统的工作性能良好,对于保障机械设备中的轴承安全运行具有重要的意义。
刘浩[7]（2019）在《电梯控制柜智能故障诊断系统的研究》文中提出随着建筑业的发展与人们生活水平的不断提高,电梯的需求量也日益增长。电梯控制柜作为电梯重要的组成部分,在使用过程中会出现一定的故障,所以对电梯控制柜进行定期的检验和维修是很有必要的。现代电力电子技术和计算机技术的发展,使电气设备的组成和结构越来越复杂,一旦设备出现问题,普通的检修人员无法及时查修和解决,从而对人们的生命安全造成巨大的威胁。随着工业自动化水平的不断提高,人们对于电气设备的智能化要求也越来越高,因此对于电梯控制柜故障诊断的智能化研究具有重要的现实意义。本文在了解电梯控制柜组成结构以及其各类故障与故障机理的基础上,针对高次谐波易引起继电器发生误动作及变压器温升与电气元件自身故障难以区分的问题,根据变压器振动信号对高次谐波的映射现象,设计了基于LabVIEW搭建框架,MATLAB算法处理的联合故障诊断系统。该系统以电梯控制柜振动、温度、电流和电压信号为研究对象,通过经验模态小波包变换法将振动传感器在变压器上采集到的振动信号进行时频分析,对其进行重构后计算能量熵并作为输入向量对在MATLAB中基于思维进化算法的BP神经网络模型进行训练得到振动状态分类器,与温度、电流和电压阈值模型配合构成最终的电梯控制柜故障诊断系统。该方法解决了传统小波变换缺乏自适应性的问题,改善了经验模态分解存在的端点效应、模态混叠等现象,能更准确地体现振动信号的特征,并且将神经网络强大的非线性拟合能力与思维进化算法局部收敛精度与速度上的优势相结合,得到精确的分类结果。通过数据样本搭建了电梯控制柜故障诊断模型,将构建好的模型应用于诊断系统中,实验表明本方法跟传统故障诊断方法相比具有更高的准确率和更快的速度。该方法保证了电梯控制柜在使用过程中自身诊断及故障预警,一旦发现故障隐患或出现设备故障,电梯控制柜自动检测故障原因,减少设备故障排查时间,为电梯控制柜故障快速、准确定位,提高故障处理效率,避难重大隐患的发生。
苏龙飞[8]（2019）在《履带行走装置故障特征提取与监测分析》文中认为履带车辆由于其良好的附着性能和爬坡跨沟能力,在煤矿、农业、工程机械和建筑业等领域得到广泛应用。由于履带行走装置经常工作在凹凸不平的路面,工作条件恶劣,承受较大的冲击载荷,使得驱动轮、履带板、销轴和减速箱轮齿等很容易发生磨损、裂纹和断裂,而行走装置一旦发生故障,往往会影响正常的生产作业,甚至会引发严重事故。因此,对履带行走装置进行有效监测,根据设备运行状态进行故障的早期识别就变得尤为重要。基于此,本文以实验室小型履带车为研究对象,对其行走装置展开理论、仿真与试验的故障诊断研究,对于保证履带行走装置的工作可靠性具有积极意义。首先运用Solidworks和Recur Dyn联合建立履带行走装置的多体动力学模型,利用ANSYS对车体架进行柔性化处理,建立含有驱动轮断齿故障的履带行走装置刚柔耦合模型,提取车体架内侧、横梁及减速器外壳对应节点处的加速度模拟车体架的振动情况。驱动轮断齿状态下对动力传输和车体架振动的影响较小,对车体架的振动冲击较弱,从而导致断齿信号难以提取,针对此问题应用小波包和倒频谱分析的方法进行故障特征提取,通过小波包分析得到故障部位的啮合频率范围,通过倒频谱分析获取故障部位的旋转频率。分析表明,在驱动轮断齿状态下,频谱图在啮合频率14Hz及高次谐频处信号幅值明显增大,倒频谱图中在多处存在凸峰的倒频率换算成频率后与驱动轮转速频率或倍频比较接近,小波包能量谱图中在第一频段的能量明显增大,而啮合频率和驱动轮的转频正好位于该频段。其次建立行走减速器齿轮传动系统仿真模型,对第三级齿轮啮合对主动轮模拟裂纹、1/2断齿、全断齿故障,结合Hertz接触碰撞理论的齿轮啮合传动计算方法,在ADAMS中对减速器齿轮传动系统进行动力学仿真。结果表明,在故障工况下啮合力在时域上有明显的周期性冲击,且随着裂纹、1/2断齿、全断齿故障程度的增加,啮合力冲击幅值增大,在频域上不仅出现啮合频率,而且在啮合频率及其倍频处出现以故障频率为边频带的故障特征,且边频带幅值随着裂纹、1/2断齿、全断齿故障程度的增加而增大。最后在实验室对小型履带车展开正常和故障状态的路面振动测试。通过对测试振动信号的故障复合诊断特征提取,并对比仿真分析结果,发现测试与仿真的信号特征有着较好的一致性,从而验证了履带行走装置故障建模仿真的合理性。针对试验采集的振动信号,运用基于隐马尔科夫模型的状态识别方法,对履带行走装置在不同运行状态下的振动信号进行分析识别。该方法利用小波包分解求出在不同频带节点上的能量分布百分比作为HMM的输入特征向量,建立包含驱动轮正常、断齿两种运行状态的HMM模型库,然后把待测样本输入到模型库中,分别测试其匹配结果,依据最大似然对数值对运行状态进行识别。结果表明,该方法状态识别结果良好,识别率高达90%,基于HMM的诊断方法对驱动轮正常、断齿这两种状态的分类取得了比较理想的效果。本论文有关对履带行走装置动力学建模及数值模拟、履带行走装置故障复合诊断、行走减速器故障仿真分析、履带行走装置典型故障试验和基于隐马尔科夫模型的履带行走装置状态识别的研究,对履带行走装置故障诊断与状态监测具有一定的参考价值。
梁洪[9]（2019）在《基于支持向量机多分类器的永磁同步电机故障诊断系统研究》文中认为电机作为机械系统核心传动部件,被广泛应用于工业、农业、日常生活等领域。但由于超负荷运行、恶劣的工作环境、线圈自然老化等原因,电机容易发生各种各样的故障。一旦发生故障就很容易产生链式反应,甚至导致整个系统瘫痪。因此,研究电机状态监测与故障诊断具有重要意义。电机发生故障时,其自身信号中往往含有大量异常突发成分,这些异常的成分可以作为检测电机故障的特征。因此,对故障信号特征的分析和提取很关键。电机故障诊断从本质上来讲,就是在已知电机故障特征的基础上对其运行状态的模式识别问题。本文以永磁同步电机（Permanent magnet synchronous motor,PMSM）故障诊断系统为研究课题,以电机电流信号和振动信号特征为研究对象,提出了改进小波包变换和支持向量机（Support Vector Machine,SVM）多分类器相结合的电机故障诊断方法,并基于LabVIEW开发设计出PMSM故障诊断实验系统。主要工作如下:首先,在分析PMSM的结构、常见故障以及故障产生机理的基础上,对基于信号处理的故障诊断方法进行分析,总结出PMSM电流和振动信号的故障特征频率。其次,根据电机信号中故障特征频率分析,设计PMSM故障诊断实验系统。实现系统对信号的采集存储、分析处理和故障诊断等功能,为算法的验证提供实验载体。再次,基于改进小波包变换对电机电流和振动信号进行处理,改进小波包变换能消除频率混淆现象,可得出更加准确的信号故障特征,并以90TDY115-2B低速PMSM为例,进行PMSM匝间短路故障检测实验,结果验证了故障电机信号中存在的匝间短路故障特征。最后,分析基于SVM常用的四种多分类算法,使用四种SVM多分类算法分别对90TDY115-2B永磁同步低速电机多故障诊断分类实验。实验结果表明,“一对一”SVM多分类器综合分类效果最佳,将其作为PMSM故障诊断系统多分类算法,设计出PMSM故障诊断实验系统,实现PMSM运行状态监测和多故障分类诊断。
常文文[10]（2019）在《面向脑机接口的多模态认知隐藏信息特征检测与识别研究》文中认为认知隐藏信息检测或测谎在国家安全、司法和职员筛选等领域有着特殊的作用。传统的多导测试仪在一些国家的某些领域得到了较为普遍的应用,但其科学性和有效性一直受到一些科学家的质疑。要想将其作为法律依据独立应用于司法系统和国家安全领域,除了加强其测试理论和分析方法的研究,同时更需要探索其他替代技术和改进方法来提高检测的准确率和可靠性。近年来,随着脑与认知神经科学研究方法及脑成像技术的发展,基于脑机接口（Brain Computer Interface,BCI）的认知隐藏信息检测技术得到了广泛关注和快速发展。广义上来讲,认知隐藏信息检测通常指隐藏信息测试（Concealed Information Test,CIT）过程,是测谎的一种实现形式。说谎,其本质来讲是一种复杂的认知过程,涉及一系列高级认知功能。而脑机接口技术和脑成像分析方法能够较为直观地反映大脑的这种认知活动,只有在对说谎对应的脑工作机制和认知过程有了充分的认识之后,才有可能设计出更加有效的检测系统。同时,随着机器学习算法的发展以及在人工智能中的应用,将脑机接口技术与机器学习方法相结合,建立基于脑机接口的模式判别系统对隐藏信息的检测具有十分重要的意义。本文基于脑机接口系统和实验室测谎范式,设计了基于视、听、触觉刺激的多模态隐藏信息检测实验,通过对全脑区多通道脑电（Electroencephalogram,EEG）信号的分析,从时、频、空间域以及脑功能网络连接的角度对说谎和真实状态下的大脑活动特征展开详细研究,并结合模式识别算法完成对实验中说谎和真实状态的分类识别。本文的主要工作和创新点体现在以下几个方面:1、提出了基于多通道P300幅值几何差的时域检测方法和基于网络结构中“关键节点特征比”的空域检测方法。为了研究隐藏信息检测过程中说谎状态对应各脑区脑电信号的时-频-空域特征,设计了面向脑机接口的视觉刺激隐藏信息检测实验,对说谎和真实状态下的脑电信号展开全脑域分析。在时域几何差的分析方法中,发现说谎组对应靶刺激和无关刺激之间的几何差明显大于靶刺激和探测刺激之间的几何差;而在真实组中,两种差值之间并没有发现显着区别。在空间域的分析方法中,发现说谎组中靶刺激和无关刺激之间的关键节点特征比明显不同于靶刺激和探测刺激之间的比值,但在真实组中并没有如此明显的差别。利用这些显着差异便可实现对说谎和真实状态的分类识别,实验结果表明这两种方法都具有较高的识别正确率,验证了方法的有效性。2、提出了基于EEG二值网络特征和支持向量机的隐藏信息检测方法。为了对隐藏信息检测过程中说谎状态对应脑功能网络展开定量分析,从而实现检测过程的计算机化,设计了新的面向脑机接口的视觉图片刺激和听觉音频刺激检测实验,构建了不同状态下基于非线性相互依赖指数的二值网络,结合网络特征参数和支持向量机实现对说谎和真实状态的特征识别,测试结果得到了较高的分类正确率,证实该方法是可行有效的。对不同状态网络特征参数的对比分析发现,在视觉和听觉刺激作用下,脑功能网络都表现出小世界特性,同时说谎状态对应网络小世界特性增强。此外,还发现视觉刺激和听觉刺激对应检测效果之间并没有显着的区别,但是视觉刺激的整体识别率要高于听觉刺激。本文首次将脑功能网络的分析方法应用到隐藏信息检测中,测试效果良好,为隐藏信息检测和对应脑认知机制的研究提供了新的研究途径和思路。3、提出了基于EEG加权网络特征和量子神经网络分类器的检测方法。二值网络的主要缺点是通过阂值筛选之后网络会丢失一些有价值的信息,而加权网络能够更加真实地表现网络的连接关系。基于上述二值网络研究结果,设计了面向脑机接口的视听同步刺激隐藏信息检测实验,并完成同视觉刺激作用下测试效果的对比。通过相位延迟指数构建不同状态对应的加权功能网络,此外本文提出了全局特征熵的概念,用以实现对全脑整体复杂度的定量表征。最后,本文设计并实现了量子门节点神经网络分类器,结合加权网络特征参数和全局特征熵完成对隐藏信息的检测。实验结果表明该方法也能较好地识别说谎和真实状态,验证了其有效性。对视听同步和视觉刺激的对比分析发现,结合视觉和听觉刺激的测试效果要优于单纯的视觉刺激的效果,也为多模态刺激的融合提供了实验依据。4、构建了熟人和陌生人信息诱发脑电信号对应的因果网络,提出了基于网络“流度比”的阈值选择方法。大脑的认知过程涉及不同脑区间的相互协调和配合,但在说谎过程中不同脑区间的信息具体是如何传递的,以及脑区间是否存在某种依赖关系,仅通过上述同步分析是无法解答的。隐藏信息检测的主要依据是大脑对熟知的人物信息的反应不同于对陌生人物信息的反应。因此,基于上述实验中视听同步刺激的测试数据,分别对熟人和陌生人信息诱发脑电信号在Delta、Theta、Beta和Alpha四个波段内使用传递熵构建对应的有向功能网络,通过计算各频段内对应网络节点的流度比实现对网络的重点筛选,并完成对应网络特征量的对比分析。结果发现熟人和陌生人信息诱发有向功能网络中核心节点的位置以及不同脑区间信息流向存在不同程度的差异,表明不同脑区对熟人信息的认知参与程度不同于对陌生人信息的认知参与过程。本文基于有向功能网络特征的分析,对理解大脑对是否熟知的信息的认知反映以及认知过程中脑区间信息的流动具有重要的现实意义,同时为探索除P300之外的其他波段信号在CIT中的应用具有一定的借鉴意义。5、采用六种分别表征信号间时域和频域、线性和非线性以及一般同步和相位同步的分析方法对隐藏信息检测过程中说谎和真实状态对应网络特征展开对比分析,找到适用于CIT中网络构建的最佳分析方法。可用于功能网络构建的同步性分析方法众多,但不同方法其理论依据和计算过程各不相同,对同一组信号间依赖关系的表征因此也不尽相同,会对隐藏信息检测的效果产生一定的影响。本文基于图论理论,对面向脑机接口的隐藏信息检测过程中说谎和真实状态对应不同脑网络结构展开对比分析。结果发现,相比真实状态,网络结构在说谎状态下连接强度增强、小世界特性增强,两种状态间网络特征参数表现出统计性显着差异。此外,对比线性和非线性,以及时域和频域分析方法对应的网络特征,发现这些方法之间并不存在显着差异,而通过互信息构建的功能网络其特征量对两种状态的区别效果最佳。该结果为面向脑机接口的隐藏信息检测中脑功能网络构建方法的选择提供了重要参考。6、提出了面向脑机接口的视觉刺激和触觉反馈的CIT分析方法。触觉感知是人体除视听感知之外的另一种非常重要的感知系统,是实现脑机交互的一个重要感官通道,新一代面向脑机接口的隐藏信息检测系统将是基于多刺激模态、结合虚拟现实技术和人工智能的综合性测试系统。同时触觉反馈刺激的引入对应对反测谎CIT系统的设计具有一定的价值,因此首先需要清楚触觉刺激作用下的脑认知机理和信息处理过程。本文设计了单向感知的多稳态触觉刺激实验和人在回路中存在感知反馈的邻近阈值触觉刺激实验,通过同步记录触觉刺激诱发的脑电信号实现对感知过程中大脑认知特征的研究。结果发现,在多稳态触觉感知实验中,并不存在不同感知状态之间的脑神经活动差异;而邻近阂值刺激实验能够较好地表现被试对触觉刺激的感知过程,此外还发现大脑的感知状态越确定,其活跃程度就越低。基于上述结论,本文将邻近阈值触觉刺激引入到面向脑机接口的视觉CIT实验中,通过在视觉刺激之前加入触觉反馈来应对检测过程中可能出现的反测谎手段,实验结果表明,该实验模式在应对反测试时有较好的效果,而触觉刺激的加入并不影响大脑对隐藏信息的检测过程,从而可提高CIT系统的稳定性和可靠性。本文对面向脑机接口的隐藏信息检测过程中脑电信号的时-频-空域特征以及脑功能网络结构的研究,首次从全脑不同脑区的角度对说谎过程中脑神经活动开展了较为详细的分析,对理解说谎过程对应的大脑认知机制具有重要的参考价值;同时对视、听、触觉刺激范式下的脑认知活动进行了详细分析,为面向脑机接口的多模态隐藏信息检测系统开发提供了理论依据。同时本文提出的几种隐藏信息检测方法在理论研究和实际应用中具有一定的借鉴意义和参考价值。
二、向量分解小波包分析软件包简介（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、向量分解小波包分析软件包简介（论文提纲范文）
（1）电站锅炉受热面灰污处理技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究动态 |
| 1.2.1 国外当前研究状况与研究趋势 |
| 1.2.2 国内当前研究状况与研究趋势 |
| 1.2.3 文献综述 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究框架 |
| 第2章 不同锅炉灰污测量方法及原理 |
| 2.1 积灰结渣的监测方法 |
| 2.2 测量理论和方法的分析 |
| 2.2.1 基于X射线的灰垢厚度测量方法 |
| 2.2.2 基于声波技术的测温方法 |
| 2.2.3 基于红外技术的传感测温方法 |
| 2.3 基于神经网络的处理理论及方法 |
| 2.3.1 基于热平衡法的在线监测 |
| 2.3.2 人工神经网络(Artificial neural network) |
| 2.4 本章小结 |
| 第3章 锅炉整体模型搭建 |
| 3.1 研究对象的概述 |
| 3.1.1 锅炉结构介绍 |
| 3.1.2 锅炉吹灰器简介 |
| 3.2 受热面模型 |
| 3.2.1 对流受热面 |
| 3.2.2 辐射受热面 |
| 3.2.3 半辐射式屏式受热面 |
| 3.3 热力学建模 |
| 3.3.1 污染因子定义及计算方法 |
| 3.3.2 传统热力学建模 |
| 3.3.3 锅炉整体建模 |
| 3.3.4 搭建锅炉整体模型的优点 |
| 3.4 本章小结 |
| 第4章 傅里叶变换和小波分析的试验性对比 |
| 4.1 基于小波分析的积灰趋势及信号处理 |
| 4.2 监测信号 |
| 4.3 傅里叶变换及数字滤波器设计 |
| 4.3.1 信号傅里叶变换 |
| 4.3.2 数字滤波器设计 |
| 4.4 小波分析及合理化消噪 |
| 4.4.1 小波的多分辨性 |
| 4.4.2 信号小波分解 |
| 4.4.3 信号小波重构 |
| 4.4.4 傅里叶(Fourier)变换与小波分析对比 |
| 4.5 小波包分析 |
| 4.6 本章小结 |
| 第5章 吹灰优化及其产生的收益性分析 |
| 5.1 试验安排及结果分析 |
| 5.1.1 试验安排及结果分析 |
| 5.1.2 敏感性试验结果 |
| 5.1.3 建立信号去噪模型及其验证 |
| 5.2 吹灰优化产生的经济性收益 |
| 5.2.1 吹灰收益模型 |
| 5.2.2 搭建吹灰引起的蒸汽量损耗模型 |
| 5.2.3 模式调整经济性分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究不足及展望 |
| 参考文献 |
（2）模糊聚类在滚动轴承故障识别中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 滚动轴承故障诊断国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 滚动轴承故障诊断技术的发展方向 |
| 1.3.1 滚动轴承故障诊断的相关理论 |
| 1.3.2 故障诊断技术的发展方向 |
| 1.3.3 模糊聚类在故障诊断中的应用 |
| 1.4 本文的主要内容与结构安排 |
| 第二章 模糊聚类算法的研究及改进 |
| 2.1 模糊聚类 |
| 2.1.1 模糊聚类的数学模型 |
| 2.1.2 模糊c-均值聚类 |
| 2.1.3 马氏距离 |
| 2.1.4 聚类有效性分析 |
| 2.2 模糊聚类算法SM-FCM |
| 2.2.1 新的聚类初始化方法 |
| 2.2.2 SM-FCM算法 |
| 2.3 实验验证 |
| 2.4 本章小结 |
| 第三章 基于小波分析与模糊聚类算法的研究 |
| 3.1 小波分析 |
| 3.1.1 小波阈值去噪 |
| 3.1.2 小波包分解 |
| 3.2 基于SM-FCM与小波分析的轴承故障诊断方法 |
| 3.2.1 算法流程 |
| 3.2.2 实验验证 |
| 3.3 本章小结 |
| 第四章 基于不平衡数据处理与模糊聚类算法的研究 |
| 4.1 不平衡数据基本原理 |
| 4.2 不平衡数据处理方法 |
| 4.3 基于SM-FCM与不平衡数据处理的轴承故障诊断方法 |
| 4.3.1 算法流程 |
| 4.3.2 实验验证 |
| 4.4 本章小结 |
| 第五章 基于WKSM-FCM模型的滚动轴承故障诊断 |
| 5.1 WKSM-FCM轴承故障诊断原理 |
| 5.2 WKSM-FCM轴承故障诊断步骤 |
| 5.3 WKSM-FCM轴承故障诊断实验 |
| 5.3.1 轴承故障信号 |
| 5.3.2 故障特征提取 |
| 5.3.3 故障状态识别 |
| 5.3.4 实验验证 |
| 5.4 本章小结 |
| 总结与展望 |
| 1. 总结 |
| 2. 展望 |
| 参考文献 |
| 致谢 |
（3）三电平逆变器故障诊断方法及诊断系统平台研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容与结构 |
| 1.3.1 研究内容 |
| 1.3.2 本文结构 |
| 第二章 NPC三电平逆变器故障分析及仿真 |
| 2.1 NPC三电平逆变器工作原理 |
| 2.2 NPC三电平逆变器故障分析 |
| 2.3 PWM调制技术 |
| 2.4 NPC三电平逆变器故障仿真 |
| 2.5 本章小结 |
| 第三章 基于小波包分析及量子神经网络故障诊断算法 |
| 3.1 小波理论 |
| 3.1.1 小波分析 |
| 3.1.2 小波包变换 |
| 3.2 KPCA数据降维 |
| 3.2.1 PCA理论 |
| 3.2.2 KPCA理论 |
| 3.3 神经网络发展介绍 |
| 3.3.1 神经网络分类 |
| 3.3.2 神经网络的学习方式 |
| 3.3.3 神经网络的特点及优点 |
| 3.4 量子神经网络 |
| 3.4.1 量子神经网络基本原理 |
| 3.4.2 循环量子神经网络的优化 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第四章 故障诊断系统与软件设计 |
| 4.1 实验平台设计 |
| 4.1.1 平台硬件设计 |
| 4.1.2 控制系统中软件设计 |
| 4.2 软件系统总体设计 |
| 4.2.1 软件需求设计 |
| 4.2.2 软件总体框架 |
| 4.3 基于MYSQL的数据库设计 |
| 4.3.1 MySQL数据库简介 |
| 4.3.2 数据库结构 |
| 4.4 软件开发 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（4）面向表面质量的自适应加工参数控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状介绍 |
| 1.2.1 数控加工自适应控制研究现状 |
| 1.2.2 数控加工表面质量预测研究现状 |
| 1.2.3 切削颤振的在线检测与控制研究现状 |
| 1.3 论文主要研究内容和总体结构 |
| 第二章 基于小波包能量熵的铣削颤振在线检测及其控制研究 |
| 2.1 小波包分析理论 |
| 2.1.1 小波包分析的特点 |
| 2.1.2 小波包分解原理 |
| 2.1.3 小波包能量熵 |
| 2.2 基于小波包能量熵的铣削颤振在线检测方法 |
| 2.2.1 铣削加工振动信号的小波包分析 |
| 2.2.2 铣削加工振动信号的小波包能量熵 |
| 2.2.3 基于小波包能量熵阈值判定的铣削颤振在线检测方法 |
| 2.3 基于变转速的铣削颤振在线控制方法研究 |
| 2.3.1 主轴转速在线控制方式研究 |
| 2.3.2 铣削加工稳定性条件 |
| 2.3.3 基于稳定域转速的铣削颤振在线控制方法 |
| 2.4 本章小结 |
| 第三章 融合动态信号特征的铣削加工表面粗糙度SVM预测模型 |
| 3.1 表面粗糙度预测建模问题分析 |
| 3.1.1 常用的表面粗糙度预测建模算法分析 |
| 3.1.2 表面粗糙度预测模型输入参数分析 |
| 3.2 融合动态信号特征的铣削加工表面粗糙度SVM分类预测模型 |
| 3.2.1 SVM分类思想 |
| 3.2.2 基于SVM的表面粗糙度分类预测模型的建立 |
| 3.3 铣削加工表面粗糙度SVM预测模型的增量学习 |
| 3.3.1 SVM的一般增量学习方法 |
| 3.3.2 面向表面粗糙度预测模型的SVM增量学习改进方法 |
| 3.4 基于SVM的铣削加工表面粗糙度预测模型训练与验证 |
| 3.4.1 模型训练样本获取 |
| 3.4.2 静态输入参数与融合动态信号特征的SVM模型训练结果对比 |
| 3.4.3 SVM增量学习效果验证 |
| 3.5 本章小结 |
| 第四章 基于SVM分类置信度的铣削加工进给速度模糊控制 |
| 4.1 SVM分类置信度 |
| 4.1.1 SVM分类置信度介绍 |
| 4.1.2 表面粗糙度SVM预测模型的分类置信度 |
| 4.2 铣削加工进给速度的模糊控制方法 |
| 4.2.1 模糊控制基本理论 |
| 4.2.2 铣削加工进给速度的模糊控制器设计 |
| 4.3 铣削加工进给速度模糊控制的实现方式 |
| 4.3.1 基于MATLAB模糊逻辑工具箱制作模糊控制器 |
| 4.3.2 生成模糊控制查询表 |
| 4.4 本章小结 |
| 第五章 面向表面质量的自适应加工参数控制系统开发与验证 |
| 5.1 系统总体设计 |
| 5.1.1 面向表面质量的自适应加工参数控制系统工作流程 |
| 5.1.2 面向表面质量的自适应加工参数控制系统结构 |
| 5.2 关键技术研究 |
| 5.2.1 C#与MATLAB的混合编程技术 |
| 5.2.2 SINUMERIK840D数控系统的数据通信技术 |
| 5.2.3 基于SINUMERIK840D数控系统的加工参数实时调整技术 |
| 5.3 自适应加工参数控制系统各模块的设计开发 |
| 5.3.1 振动信号采集模块设计 |
| 5.3.2 机床数据通信模块设计 |
| 5.3.3 颤振检测与表面粗糙度预测模块设计 |
| 5.3.4 加工参数决策模块设计 |
| 5.3.5 数据存储模块设计 |
| 5.3.6 人机交互模块设计 |
| 5.4 实验验证 |
| 5.4.1 实验设备介绍 |
| 5.4.2 实验方案设计 |
| 5.4.3 实验结果分析 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（5）立铣刀状态监测与剩余有效寿命预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 传感数据获取 |
| 1.3.2 特征提取与选择 |
| 1.3.3 监测模型构建 |
| 1.3.4 研究现状总结分析 |
| 1.4 论文主要内容和章节安排 |
| 第2章 相关理论基础 |
| 2.1 引言 |
| 2.2 立铣刀磨损基本原理 |
| 2.2.1 立铣刀磨损基本原理 |
| 2.2.2 立铣刀磨损基本规律 |
| 2.3 信号处理技术 |
| 2.3.1 时域分析 |
| 2.3.2 频域分析 |
| 2.3.3 小波包变换 |
| 2.4 核极限学习机 |
| 2.5 稳态子空间分析 |
| 2.6 差分进化算法 |
| 2.7 本章小结 |
| 第3章 两层角度核极限学习机及其在TCM中的应用 |
| 3.1 引言 |
| 3.2 两层角度核极限学习机 |
| 3.2.1 角度核函数 |
| 3.2.2 层次化角度核极限学习机 |
| 3.2.3 两层角度核极限学习机 |
| 3.3 基准数据比较 |
| 3.3.1 各算法操作说明 |
| 3.3.2 分类性能比较 |
| 3.3.3 回归性能比较 |
| 3.4 刀具状态监测实例分析 |
| 3.4.1 PHM2010 铣刀磨损数据集测试 |
| 3.4.2 NASA铣刀磨损数据集测试 |
| 3.4.3 单传感刀具磨损状态实验 |
| 3.5 基于盲源分离技术的TCM研究 |
| 3.5.1 基于SSA和 TAKELM的刀具状态监测流程 |
| 3.5.2 多传感刀具磨损数据集测试 |
| 3.5.3 单传感刀具磨损状态实验研究 |
| 3.6 本章小结 |
| 第4章 基于全局诊断误差与改进差分进化的TCM特征选择方法 |
| 4.1 引言 |
| 4.2 基于全局诊断误差的TCM特征选择方法 |
| 4.3 多域候选特征参数集 |
| 4.3.1 时域特征参数 |
| 4.3.2 频域特征参数 |
| 4.3.3 时频域特征参数 |
| 4.4 改进差分进化算法 |
| 4.4.1 IBDE基本思想 |
| 4.4.2 IBDE推导过程 |
| 4.4.3 IBDE算法流程 |
| 4.5 实例研究 |
| 4.5.1 PHM2010 刀具磨损数据集测试 |
| 4.5.2 NASA铣刀磨损数据数据集测试 |
| 4.5.3 立铣刀磨损状态多传感监测实验 |
| 4.6 改进差分进化算法性能分析 |
| 4.6.1 优化性能比较 |
| 4.6.2 参数修订比例灵敏度分析 |
| 4.7 本章小结 |
| 第5章 基于逆高斯过程的刀具剩余有效寿命预测 |
| 5.1 引言 |
| 5.2 逆高斯过程建模及参数估计 |
| 5.2.1 逆高斯过程基本原理 |
| 5.2.2 改进的逆高斯过程 |
| 5.2.3 模型参数估计 |
| 5.3 刀具剩余有效寿命预测方法 |
| 5.3.1 方法流程 |
| 5.3.2 切片采样 |
| 5.4 实例研究 |
| 5.4.1 PHM2010 刀具磨损数据集测试 |
| 5.4.2 NASA铣刀磨损状态数据集测试 |
| 5.4.3 立铣刀磨损状态多传感监测实验 |
| 5.5 本章小结 |
| 第6章 便携式TCM系统设计与开发 |
| 6.1 引言 |
| 6.2 需求分析与总体设计 |
| 6.2.1 需求分析 |
| 6.2.2 总体设计 |
| 6.3 系统硬件设计 |
| 6.3.1 DSP开发板 |
| 6.3.2 电流传感器 |
| 6.3.3 数采设备 |
| 6.4 系统软件设计 |
| 6.4.1 DSP开发软件CCS简介 |
| 6.4.2 系统总体流程设计 |
| 6.4.3 功能模块设计 |
| 6.5 系统封装设计 |
| 6.6 系统运行测试 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读博士学位期间发表的学术论文 |
| 3 参与的科研项目及获奖情况 |
| 4 授权发明专利 |
| 学位论文数据集 |
（6）基于振动信号的滚动轴承故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究意义及来源 |
| 1.2 国内外研究现状 |
| 1.2.1 滚动轴承故障特征提取及特征选择方法的研究现状 |
| 1.2.2 滚动轴承故障特征分类方法的研究现状 |
| 1.2.3 滚动轴承故障诊断设备的研究现状 |
| 1.3 本文的主要研究内容和章节安排 |
| 1.3.1 本文的主要研究内容 |
| 1.3.2 本文的章节安排 |
| 第2章 滚动轴承故障机理与特性分析 |
| 2.1 滚动轴承的结构及工作原理 |
| 2.2 滚动轴承主要失效形式 |
| 2.3 滚动轴承的振动机理及特征频率 |
| 2.3.1 滚动轴承的振动机理 |
| 2.3.2 滚动轴承的故障特征频率 |
| 2.3.3 滚动轴承的固有频率 |
| 2.4 仿真实验数据介绍 |
| 2.5 本章小结 |
| 第3章 滚动轴承故障信号的特征提取 |
| 3.1 基于小波包及ReliefF的特征提取算法研究 |
| 3.1.1 小波理论的基本原理 |
| 3.1.2 小波包分析理论的基本原理 |
| 3.1.3 基于ReliefF的特征选择算法原理 |
| 3.1.4 小波包分解子频带能量特征的选取 |
| 3.2 基于CEEMDAN及相关性分析的特征提取算法研究 |
| 3.2.1 经验模态分解EMD及其改进算法EEMD原理 |
| 3.2.2 自适应白噪声完备集合经验模态分解CEEMDAN算法原理 |
| 3.2.3 CEEMDAN模式分量能量特征的选取 |
| 3.3 基于Hilbert变换的故障特征提取算法性能比较 |
| 3.4 本章小结 |
| 第4章 滚动轴承故障信号的分类 |
| 4.1 支持向量机的理论基础 |
| 4.1.1 基本思想 |
| 4.1.2 最优分类面 |
| 4.1.3 核函数及其影响 |
| 4.1.4 基于SVM的分类器构建 |
| 4.2 基于GA优化SVM的故障分类算法研究 |
| 4.2.1 遗传算法的基本原理 |
| 4.2.2 遗传算法的参数优化流程 |
| 4.3 基于PSO优化SVM的故障分类算法研究 |
| 4.3.1 粒子群算法的基本原理 |
| 4.3.2 粒子群算法的参数优化流程 |
| 4.4 不同优化方法的选择 |
| 4.5 本章小结 |
| 第5章 故障诊断系统的研制与实验验证 |
| 5.1 软件开发平台与系统总体框架 |
| 5.1.1 软件开发平台介绍 |
| 5.1.2 软件系统的总体框架 |
| 5.2 轴承数据的采集、存储与回调管理 |
| 5.2.1 数据的采集 |
| 5.2.2 数据的存储 |
| 5.2.3 数据的回调分析 |
| 5.3 轴承故障数据的实时分析与故障诊断 |
| 5.3.1 振动信号的时域分析 |
| 5.3.2 振动信号的频域分析 |
| 5.3.3 振动信号的时频分析 |
| 5.3.4 轴承故障的智能诊断 |
| 5.4 轴承故障实验台的搭建及轴承故障的设置 |
| 5.4.1 硬件选型及测量原理 |
| 5.4.2 实验台的搭建 |
| 5.4.3 轴承故障的设置 |
| 5.5 轴承故障诊断实验 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）电梯控制柜智能故障诊断系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 电梯控制柜故障诊断研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文结构安排 |
| 2 电梯控制柜故障机理及诊断分析 |
| 2.1 电梯控制柜组成及常见故障类型 |
| 2.2 电梯控制柜故障机理 |
| 2.3 高次谐波故障机理 |
| 2.4 电梯控制柜故障诊断分析 |
| 2.5 总体方案规划 |
| 2.6 本章小结 |
| 3 电梯控制柜故障诊断系统数据采集平台设计 |
| 3.1 信号采集总体方案设计 |
| 3.2 系统硬件选型 |
| 3.3 采集平台软件设计 |
| 3.4 LabVIEW与MATLAB混合编程 |
| 3.5 本章小结 |
| 4 电梯控制柜振动信号的处理 |
| 4.1 经验模态分解 |
| 4.2 小波包分析 |
| 4.3 经验模态小波包变换 |
| 4.4 经验模态小波包变换的应用 |
| 4.5 本章小结 |
| 5 电梯控制柜故障诊断模型的构建与应用 |
| 5.1 BP神经网络 |
| 5.2 思维进化算法 |
| 5.3 思维进化算法优化神经网络 |
| 5.4 思维进化算法优化的神经网络的应用 |
| 5.5 电梯控制柜故障诊断系统综合诊断原理 |
| 5.6 电梯控制柜故障诊断系统运行测试 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 论文主要研究工作总结 |
| 6.3 今后研究工作展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（8）履带行走装置故障特征提取与监测分析（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 履带行走装置故障监测相关研究 |
| 1.2.2 齿轮箱传动系统故障诊断研究现状 |
| 1.2.3 HMM方法在故障诊断的发展趋势 |
| 1.3 本文主要研究内容及技术路线图 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 技术路线图 |
| 第二章 履带行走装置动力学建模及数值模拟 |
| 2.1 履带行走装置动力学理论 |
| 2.2 履带行走装置多刚体模型的建立 |
| 2.2.1 车体架模型建立 |
| 2.2.2 Recur Dyn行走装置建模 |
| 2.2.3 添加约束和驱动 |
| 2.2.4 地面模型的建立 |
| 2.3 履带行走装置刚柔耦合模型的建立 |
| 2.3.1 RFI柔性体文件的生成 |
| 2.3.2 导入RFI柔性体文件 |
| 2.3.3 车架柔性体参数设置 |
| 2.4 履带行走装置仿真结果输出及分析讨论 |
| 2.4.1 驱动力矩仿真结果验证及功率校核 |
| 2.4.2 驱动轮与履带板之间的作用力 |
| 2.5 本章小结 |
| 第三章 履带行走装置故障复合诊断 |
| 3.1 小波包和倒频谱分析理论 |
| 3.1.1 小波和小波包分析理论 |
| 3.1.2 倒频谱分析理论 |
| 3.2 履带行走装置驱动轮断齿模拟及故障特征提取 |
| 3.2.1 驱动轮断齿模型构建及时程曲线获取 |
| 3.2.2 基于小波包能量谱分析的驱动轮断齿故障特征提取 |
| 3.2.3 基于倒频谱分析的驱动轮断齿故障特征提取 |
| 3.3 本章小结 |
| 第四章 行走减速器故障仿真分析及特征提取 |
| 4.1 齿轮副振动机理 |
| 4.1.1 齿轮副的振动特征 |
| 4.1.2 幅值调制与频率调制 |
| 4.2 行走减速器多刚体模型的建立 |
| 4.2.1 模型导入ADAMS与约束添加 |
| 4.2.2 齿轮接触力(Contact)参数的确立 |
| 4.2.3 系统动力和负载的确定 |
| 4.3 行走减速器多刚体模型故障模拟 |
| 4.3.1 减速器正常状态下仿真结果输出与验证 |
| 4.3.2 减速器故障状态下仿真结果输出与分析 |
| 4.4 本章小结 |
| 第五章 履带行走装置典型故障试验研究 |
| 5.1 试验平台搭建 |
| 5.1.1 测试条件 |
| 5.1.2 传感器通道设置及测点布置 |
| 5.1.3 测试系统图 |
| 5.2 试验振动数据输出 |
| 5.2.1 驱动轮正常状态履带车行驶振动试验 |
| 5.2.2 驱动轮断齿状态履带车行驶振动试验 |
| 5.2.3 仿真与试验数据对比 |
| 5.3 履带行走装置故障特征提取 |
| 5.3.1 振动信号的频谱分析 |
| 5.3.2 基于小波包能量谱分析的振动信号特征提取 |
| 5.3.3 振动信号的倒频谱分析 |
| 5.4 本章小结 |
| 第六章 基于隐马尔科夫(HMM)的履带行走装置状态识别 |
| 6.1 HMM基础理论 |
| 6.1.1 HMM的定义 |
| 6.1.2 HMM的算法 |
| 6.2 隐马尔可夫模型在履带行走装置状态识别中的应用 |
| 6.2.1 HMM方法实现 |
| 6.2.2 特征预处理 |
| 6.2.3 HMM模型训练 |
| 6.2.4 识别结果 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要工作与成果 |
| 7.2 研究创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（9）基于支持向量机多分类器的永磁同步电机故障诊断系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 电机故障诊断技术研究现状 |
| 1.2.1 国内外研究现状 |
| 1.2.2 永磁同步电机故障诊断技术研究现状 |
| 1.3 论文研究内容与结构 |
| 第二章 永磁同步电机故障特征分析 |
| 2.1 永磁同步电机 |
| 2.1.1 结构组成 |
| 2.1.2 工作原理 |
| 2.2 常见故障分析 |
| 2.2.1 机械故障 |
| 2.2.2 电气故障 |
| 2.2.3 永磁体退磁故障 |
| 2.3 永磁同步电机故障信号特征分析 |
| 2.3.1 电流信号特征分析 |
| 2.3.2 振动信号特征分析 |
| 2.4 本章小结 |
| 第三章 永磁同步电机故障诊断实验系统设计 |
| 3.1 实验系统需求分析 |
| 3.2 硬件部分设计 |
| 3.2.1 永磁同步电机 |
| 3.2.2 电流检测电路 |
| 3.2.3 加速度传感器 |
| 3.2.4 数据采集卡 |
| 3.3 软件部分 |
| 3.3.1 系统登录模块 |
| 3.3.2 主系统 |
| 3.4 本章小结 |
| 第四章 基于改进小波包变换的永磁同步电机匝间短路故障检测 |
| 4.1 小波包变换及改进算法 |
| 4.1.1 小波包变换快速算法 |
| 4.1.2 小波包变换快速算法中的频率混淆 |
| 4.1.3 改进小波包变换 |
| 4.2 改进小波包变换的仿真验证 |
| 4.3 永磁同步电机匝间短路故障检测实验分析 |
| 4.3.1 基于电流信号特征分析检测 |
| 4.3.2 基于振动信号特征分析检测 |
| 4.4 本章小结 |
| 第五章 基于支持向量机多分类器的永磁同步电机故障诊断 |
| 5.1 支持向量机多分类算法 |
| 5.1.1 “一对多”算法 |
| 5.1.2 “一对一”算法 |
| 5.1.3 有向无环图支持向量机 |
| 5.1.4 最小输出编码支持向量机 |
| 5.2 永磁同步电机多故障诊断实验分析 |
| 5.2.1 信号特征向量提取 |
| 5.2.2 核函数选择 |
| 5.2.3 多故障分类 |
| 5.3 永磁同步电机故障诊断系统使用 |
| 5.3.1 电机状态监测 |
| 5.3.2 故障离线诊断 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（10）面向脑机接口的多模态认知隐藏信息特征检测与识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 隐藏信息检测方法概述 |
| 1.2.1 多导测试仪概述 |
| 1.2.2 隐藏信息检测的测试范式设置 |
| 1.2.3 隐藏信息检测的替代技术 |
| 1.3 国内外研究现状及发展 |
| 1.3.1 面向脑机接口的隐藏信息检测的提出 |
| 1.3.2 脑机接口CIT系统中EEG特征及识别研究现状 |
| 1.3.3 全脑区成像分析应用于CIT研究 |
| 1.3.4 国内研究现状及发展 |
| 1.4 本论文的研究目的及内容 |
| 1.5 本论文组织结构及技术路线 |
| 第2章 脑机接口CIT系统中EEG时-频-空域特征 |
| 2.1 引言 |
| 2.2 脑机接口CIT系统的构成 |
| 2.3 脑电信号基本特征及其研究方法 |
| 2.3.1 大脑基本分区及其对应的功能 |
| 2.3.2 脑电信号及其采集 |
| 2.3.3 脑电信号节律 |
| 2.3.4 事件相关脑电位 |
| 2.4 面向脑机接口的视觉CIT实验分析 |
| 2.4.1 实验设计 |
| 2.4.2 脑机接口CIT实验平台 |
| 2.4.3 数据预处理 |
| 2.5 隐藏信息检测的时频域分析 |
| 2.5.1 基本时频分析及结果 |
| 2.5.2 基于P300幅值几何差的检测方法 |
| 2.6 隐藏信息检测中空间网络结构关键节点特征分析 |
| 2.6.1 基于H指数的非线性相互依赖分析方法 |
| 2.6.2 基于H指数的空间网络连接分析 |
| 2.6.3 基于空间网络拓扑结构关键节点特征的识别方法分析 |
| 2.7 本章小结 |
| 第3章 基于EEG二值功能网络及SVM的隐藏信息检测 |
| 3.1 引言 |
| 3.2 基于图论的复杂网络理论 |
| 3.2.1 复杂网络概述 |
| 3.2.2 复杂网络基本概念 |
| 3.2.3 复杂网络基本模型 |
| 3.3 脑结构网络和脑功能网络 |
| 3.4 面向脑机接口的视觉和听觉CIT实验分析 |
| 3.4.1 实验设计 |
| 3.4.2 数据预处理 |
| 3.5 基于二值网络和SVM的检测与识别方法分析 |
| 3.5.1 脑功能网络的构建 |
| 3.5.2 脑功能网络的二值化 |
| 3.5.3 二值网络特征参数分析 |
| 3.5.4 支持向量机模式分类 |
| 3.6 本章小结 |
| 第4章 基于EEG加权功能网络及QNN的隐藏信息检测 |
| 4.1 引言 |
| 4.2 脑加权功能网络特征量 |
| 4.2.1 基本特征量 |
| 4.2.2 同配系数 |
| 4.2.3 传递性 |
| 4.3 基于相位延迟指数的加权网络构建方法 |
| 4.4 面向脑机接口的视听同步隐藏信息检测实验 |
| 4.4.1 实验设计 |
| 4.4.2 实验记录和数据预处理 |
| 4.5 基于加权网络特征的量子神经网络检测分析 |
| 4.5.1 脑加权网络的构建 |
| 4.5.2 脑加权网络特征参数分析 |
| 4.5.3 基于全局特征熵的全脑信号复杂度分析 |
| 4.5.4 基于遗传算法的脑电信号特征量优化 |
| 4.5.5 QNN分类器的构建及加权网络特征量的分类识别 |
| 4.6 本章小结 |
| 第5章 基于EEG有向功能网络连接的隐藏信息特征分析 |
| 5.1 引言 |
| 5.2 有向功能网络的构建方法 |
| 5.2.1 线性格兰杰因果 |
| 5.2.2 定向相干性 |
| 5.2.3 偏定向相干分析 |
| 5.2.4 直接传递函数分析 |
| 5.2.5 传递熵 |
| 5.3 有向功能网络特征参数 |
| 5.4 熟人和陌生人信息诱发有向功能网络连接分析 |
| 5.5 本章小结 |
| 第6章 脑机接口CIT系统中脑功能网络构建方法对比分析 |
| 6.1 引言 |
| 6.2 相互依赖关系分析方法 |
| 6.2.1 互相关函数 |
| 6.2.2 相干函数 |
| 6.2.3 互信息 |
| 6.2.4 相位同步 |
| 6.3 应用于隐藏信息检测分析 |
| 6.4 综合讨论 |
| 6.5 本章小结 |
| 第7章 面向脑机接口的视觉刺激和触觉反馈的CIT系统分析 |
| 7.1 引言 |
| 7.2 单向感知的多稳态触觉刺激实验 |
| 7.2.1 实验简介 |
| 7.2.2 实验设计 |
| 7.2.3 数据处理和结果讨论 |
| 7.3 存在感知反馈的邻近阈值触觉刺激实验 |
| 7.3.1 实验简介 |
| 7.3.2 实验设计 |
| 7.3.3 数据处理和结果讨论 |
| 7.4 基于视觉刺激和触觉反馈的CIT实验分析 |
| 7.4.1 实验系统构成 |
| 7.4.2 实验分析 |
| 7.5 本章小结 |
| 第8章 总结与展望 |
| 8.1 本文主要工作及创新点 |
| 8.1.1 主要工程总结 |
| 8.1.2 主要创新点 |
| 8.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间取得的学术成果 |
| 攻读博士期间参与的科研项目 |
| 作者从事科学研究和学习经历简历 |
四、向量分解小波包分析软件包简介（论文参考文献）
- [1]电站锅炉受热面灰污处理技术研究[D]. 罗婧茹. 西安理工大学, 2020(01)
- [2]模糊聚类在滚动轴承故障识别中的应用研究[D]. 吴姗. 大连交通大学, 2020(06)
- [3]三电平逆变器故障诊断方法及诊断系统平台研究[D]. 丁毅. 合肥工业大学, 2020(02)
- [4]面向表面质量的自适应加工参数控制方法研究[D]. 周恒飞. 南京航空航天大学, 2020(07)
- [5]立铣刀状态监测与剩余有效寿命预测方法研究[D]. 周余庆. 浙江工业大学, 2020(08)
- [6]基于振动信号的滚动轴承故障诊断技术研究[D]. 吴勇. 哈尔滨工业大学, 2019(02)
- [7]电梯控制柜智能故障诊断系统的研究[D]. 刘浩. 山东科技大学, 2019(05)
- [8]履带行走装置故障特征提取与监测分析[D]. 苏龙飞. 太原科技大学, 2019(04)
- [9]基于支持向量机多分类器的永磁同步电机故障诊断系统研究[D]. 梁洪. 电子科技大学, 2019(01)
- [10]面向脑机接口的多模态认知隐藏信息特征检测与识别研究[D]. 常文文. 东北大学, 2019