| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题背景与意义 | 第10-11页 |
| ·电机的振动分析 | 第11-13页 |
| ·盲源分离的发展及研究现状 | 第13-15页 |
| ·本文的研究内容 | 第15-16页 |
| 第二章 电机振动信号的传统处理方法 | 第16-25页 |
| ·信号的时域分析方法 | 第16-21页 |
| ·信号预处理 | 第16-18页 |
| ·时域统计分析 | 第18-19页 |
| ·相关分析 | 第19-21页 |
| ·信号的频域分析方法 | 第21-24页 |
| ·傅里叶变换（Fourier Transform） | 第21-22页 |
| ·快速傅里叶变换（Fast Fourier Transform） | 第22页 |
| ·功率谱密度函数 | 第22-23页 |
| ·倒频谱分析 | 第23-24页 |
| 本章小结 | 第24-25页 |
| 第三章 盲源分离的基本理论和方法 | 第25-37页 |
| ·盲源分离的数学模型 | 第25-27页 |
| ·瞬时混合模型 | 第25-26页 |
| ·卷积混合模型 | 第26-27页 |
| ·盲源分离的可分离性和不确定性 | 第27-29页 |
| ·盲源分离的可分离性 | 第27-28页 |
| ·盲源分离结果的不确定性 | 第28-29页 |
| ·盲源信号分离的独立性判据 | 第29-31页 |
| ·最大似然估计 | 第29页 |
| ·最大化非高斯性 | 第29-30页 |
| ·互信息最小化 | 第30页 |
| ·负熵最大化 | 第30-31页 |
| ·盲源分离的优化算法 | 第31-32页 |
| ·批处理算法 | 第31-32页 |
| ·自适应算法 | 第32页 |
| ·逐次提取算法 | 第32页 |
| ·基于 FastICA 的盲源分离算法 | 第32-36页 |
| ·Fast ICA 算法的基本理论 | 第32-33页 |
| ·Fast ICA 的前提假设条件 | 第33页 |
| ·Fast ICA 的预处理 | 第33-34页 |
| ·Fast ICA 的算法原理 | 第34-36页 |
| ·Fast ICA 25的算法工具箱 | 第36页 |
| 本章小结 | 第36-37页 |
| 第四章 基于 FastICA 的电机振动信号分离研究 | 第37-84页 |
| ·电机振动信号的采集 | 第37-40页 |
| ·基于变频器的调速系统简介 | 第37-38页 |
| ·电机振动信号采集环节简介 | 第38-39页 |
| ·电机振动信号采集方案 | 第39-40页 |
| ·电机振动信号的分离 | 第40-43页 |
| ·电机振动信号的文件格式转换 | 第40-42页 |
| ·加速度数据转换为速度和位移数据 | 第42页 |
| ·数据导入 Matlab | 第42页 |
| ·数据分离 | 第42-43页 |
| ·电机振动加速度信号的分析 | 第43-62页 |
| ·常规 PID 控制下电机振动加速度信号的分离 | 第44-52页 |
| ·神经网络的分数阶PI~αD~β控制下电机振动加速度信号的分离 | 第52-62页 |
| ·电机振动速度信号的分析 | 第62-72页 |
| ·常规 PID 控制下电机振动速度信号的分离 | 第62-67页 |
| ·神经网络的分数阶PI ~αD~β控制下电机振动速度信号的分离 | 第67-72页 |
| ·电机振动位移信号的分析 | 第72-82页 |
| ·常规 PID 控制下电机振动位移信号的分离 | 第72-77页 |
| ·神经网络的分数阶PI~αD~β控制下电机振动位移信号的分离 | 第77-82页 |
| 本章小结 | 第82-84页 |
| 结论 | 第84-86页 |
| 参考文献 | 第86-89页 |
| 攻读硕士学位期间发表的学术论文 | 第89-90页 |
| 致谢 | 第90页 |
