单通道盲分离理论在滚动轴承故障诊断中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 论文选题背景及研究意义 | 第9-10页 |
| 1.2 盲信号分离研究现状 | 第10-14页 |
| 1.3 盲信号分离在机械故障诊断中的发展现状 | 第14-15页 |
| 1.4 论文研究内容及安排 | 第15-17页 |
| 1.4.1 课题来源及研究内容 | 第15-16页 |
| 1.4.2 本文章节安排 | 第16-17页 |
| 第二章 ICA基本理论与方法 | 第17-36页 |
| 2.1 引言 | 第17页 |
| 2.2 ICA基本理论 | 第17-20页 |
| 2.2.1 ICA定义及数学模型 | 第17-18页 |
| 2.2.2 ICA的可辨识性及不确定性 | 第18-20页 |
| 2.3 ICA常用算法研究 | 第20-27页 |
| 2.3.1 特征矩阵的联合近似对角化法 | 第21-23页 |
| 2.3.2 最大信息熵算法 | 第23-25页 |
| 2.3.3 固定点算法 | 第25-27页 |
| 2.3.4 算法分离效果对比 | 第27页 |
| 2.4 白噪声对分离效果的影响 | 第27-30页 |
| 2.5 源信号非高斯性对分离效果的影响 | 第30-35页 |
| 2.6 小结 | 第35-36页 |
| 第三章 基于预处理的单通道盲信号分离算法 | 第36-52页 |
| 3.1 引言 | 第36页 |
| 3.2 主分量分析理论 | 第36-37页 |
| 3.3 算法基本原理 | 第37-38页 |
| 3.4 时空法 | 第38-44页 |
| 3.4.1 算法基本原理 | 第38页 |
| 3.4.2 实验 | 第38-44页 |
| 3.5 总体经验模态分解 | 第44-47页 |
| 3.5.1 算法基本原理 | 第44-45页 |
| 3.5.2 实验 | 第45-47页 |
| 3.6 非抽样小波变换 | 第47-50页 |
| 3.6.1 算法基本原理 | 第47-49页 |
| 3.6.2 实验 | 第49-50页 |
| 3.7 算法分离效果对比 | 第50-51页 |
| 3.8 小结 | 第51-52页 |
| 第四章 基于FSWT-ICA的单通道盲分离算法 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 频率切片小波变换 | 第52-59页 |
| 4.2.1 FSWT基本原理 | 第52-53页 |
| 4.2.2 实验分析 | 第53-56页 |
| 4.2.3 工程应用 | 第56-59页 |
| 4.3 基于FSWT-ICA的单通道盲分离算法 | 第59-65页 |
| 4.3.1 算法基本原理 | 第59-60页 |
| 4.3.2 实验分析 | 第60-62页 |
| 4.3.3 工程应用 | 第62-65页 |
| 4.4 小结 | 第65-66页 |
| 第五章 基于CICA的单通道盲信号分离算法 | 第66-83页 |
| 5.1 引言 | 第66页 |
| 5.2 基于脉冲法的CICA算法 | 第66-72页 |
| 5.2.1 CICA基本原理 | 第66-67页 |
| 5.2.2 参考信号的构造 | 第67页 |
| 5.2.3 基于脉冲法的CICA算法实验仿真 | 第67-71页 |
| 5.2.4 各参数对提取效果影响 | 第71-72页 |
| 5.3 基于CICA的单通道盲分离算法 | 第72-82页 |
| 5.3.1 算法基本原理 | 第72-73页 |
| 5.3.2 工程应用 | 第73-82页 |
| 5.4 小结 | 第82-83页 |
| 第六章 结论与展望 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91页 |
