登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 机械机电类 > 过程装备与控制工程 > 正文

基于支持向量机的齿轮故障诊断方法研究开题报告

 2020-02-10 10:02  

1. 研究目的与意义(文献综述)

1.1论文研究的意义

随着机械行业自动化技术的日趋完善,人们对机械零件精密度、安全性的要求也越来越高。齿轮作为机械工业中最基础的零部件之一,对此也有极高的要求。作为传动部件,齿轮需要经常在高速、重载的工况下运作,因此,对齿轮故障的及时诊断便显得尤为重要。

上世纪以来,人们主要依赖于神经网络等方法来实现对齿轮故障的诊断。这些方法依赖于大量的统计数据以及工程师的经验,不能大规模推广实现。并且其诊断精度严重受限于所统计样本的大小[1],只有样本容量足够大时,才能无限接近于真实情况。然而,由于齿轮常常应用于机械设备内部,难以拆解,因此,但凡发生故障,往往会造成严重的生产事故,故而故障样本的获取会比较困难,这也让神经网络等方法难以获得让人满意的效果。
支持向量机(supportvector machine,svm)理论则很好的解决了这一困难[2]。它是一种新的机器学习方法,最初是为了解决简单的分类问题[2-3]而提出的,它很好的解决了样本数量不足对于整个分析模型的制约,使模型的准确度不再受制于原始数据的多少。与传统的神经网络等方法相比,支持向量机还克服了过学习、欠学习等缺点[4],足以解决目前绝大数问题。而且,其发展前景也十分广阔,未来还有很多支持向量机的用法值得我们探究。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

2.1研究内容

学习机器学习方法,掌握支持向量机技术的原理。在齿轮试验台上对正常齿轮和故障进行测试,采集齿轮箱、轴承座振动数据,利用支持向量机技术,对齿轮故障进行识别和分类。综合实验结果对提出的方法进行验证。

2.2研究目标

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

(1)文献调研 2周 ;

(2)外文翻译 1周;

(3)开题报告 1周;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]vapnik v n. the nature of statistical learning theory [m]. new york: springer,1995: 181#8722;218.

[2]stever gunn.support vector machines for classification and regression[r].technical report,southampton:university of southampton,1998:1-8.

[3]breretonr g,lloydag r. support vector machines for classification and regression[j].analyst,2010,135(2),230-267.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图