机械故障诊断的变量预测模式识别方法
出版时间：2017年版
内容简介
《机械故障诊断的变量预测模式识别方法》是在国家自然科学基金项目“基于变量预测模型的模式识别方法及其在机械故障诊断中的应用”（编号：51175158）的基础上完成的，其研究方法是目前国内外故障诊断研究的新方向。《机械故障诊断的变量预测模式识别方法》介绍了新的模式识别方法——变量预测模型（variable predictive model based class discriminate，简称VPMCD）模式识别方法，着重对VPMCD的理论问题进行了研究和完善，并提出了一系列基于VPMCD的机械故障诊断方法。所提出的理论方法不仅通过实验得到了验证，而且已应用于工程实际中，并得到了良好的诊断效果。
《机械故障诊断的变量预测模式识别方法》可供大专院校教师、研究生和高年级学生阅读，还可供从事模式识别和机械故障诊断的科技人员参考。
目录
第1章 绪论
1．1 旋转机械故障诊断研究的意义和发展的现状
1．2 旋转机械故障诊断的模式识别方法
1．3 变量预测模型模式识别方法
第2章 基于变量预测模型的模式识别方法
2．1 引言
2．2 基于变量预测模型的模式识别方法
2．3 与其他模式识别方法的对比研究
第3章 基于VPMCD的旋转机械故障诊断方法
3．1 引言
3．2 局部特征尺度分解和VPMCD在滚动轴承故障诊断中的应用
3．3 基于LCD降噪和VPMCD的滚动轴承故障诊断方法
3．4 基于样本熵和VPMCD的旋转机械故障诊断方法
3．5 基于排列熵和VPMCD的滚动轴承故障诊断方法
3．6 基于模糊熵和VPMCD的转子系统故障诊断方法
3．7 基于ICA相关系数和VPMCD的滚动轴承故障诊断方法
第4章 基于改进回归算法的VPMCD及其在旋转机械故障诊断中的应用
4．1 引言
4．2 基于特征选择和稳健回归的VPMCD的模式识别方法
4．3 基于嵌入式SRVPMCD的模式识别方法
4．4 基于主成分回归的VPMCD算法及其在滚动轴承故障诊断中的应用
4．5 基于分位数回归的VPMCD的滚动轴承故障诊断方法
4．6 基于岭回归的VPMCD的滚动轴承故障诊断方法
第5章 基于模型改进算法的VPMCD及其在旋转机械故障诊断中的应用
5．1 引言
5．2 基于Kriging函数的VPMCD算法及其在旋转机械故障诊断中的应用
5．3 基于流形学习和KVPMCD的模式识别方法
5．4 基于改进多项式响应面的VPMCD方法及其在滚动轴承故障诊断中的应用
5．5 基于遗传模拟退火算法的VPMCD及其在滚动轴承故障诊断中的应用
5．6 基于量子遗传算法的VPMCD的滚动轴承故障诊断方法
第6章 基于增量式半监督VPMCD的齿轮在线诊断方法
6．1 引言
6．2 增量式半监督VPMCD算法
6．3 基于ISVPMCD检测算法原理
6．4 基于ISVPMCD的齿轮故障诊断方法
6．5 实验信号分析
第7章 基于单类VPMCD的滚动轴承新异类检测方法
7．1 引言
7．2 新异类检测方法
7．3 基于VPMCD的新异类检测方法——OC-VPMCD
7．4 基于OC-VPMCD的滚动轴承故障诊断方法
7．5 实验信号分析
第8章 基于VPMCD的滚动轴承退化状态识别及寿命预测方法
8．1 引言
8．2 基于LCD和高斯混合聚类算法的滚动轴承退化状态及寿命预测方法
8．3 基于LCD和VPMCD的滚动轴承退化状态识别与寿命预测
8．4 高斯混合模型改进的基于LCD与VPMCD的滚动轴承退化状态识别及寿命预测
主要参考文献
