| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·论文的主要内容 | 第12-13页 |
| 2 希尔伯特谱 | 第13-26页 |
| ·局域波简介 | 第13页 |
| ·局域波基本理论 | 第13-16页 |
| ·时域到时频域的转变 | 第13-15页 |
| ·瞬时频率介绍 | 第15页 |
| ·瞬时频率的计算 | 第15-16页 |
| ·局域波分量分解方法、条件及停止条件 | 第16-20页 |
| ·局域波分量分解条件 | 第16页 |
| ·局域波分量的提取 | 第16-18页 |
| ·局域波分解算法 | 第18-19页 |
| ·局域波分解终止筛选标准 | 第19-20页 |
| ·局域波时频谱 | 第20-21页 |
| ·局域波时频谱表示 | 第20-21页 |
| ·时频谱的分辨特性 | 第21页 |
| ·局域波法的特点 | 第21-22页 |
| ·局域波法的优点 | 第21-22页 |
| ·局域波法存在的问题 | 第22页 |
| ·局域波法在工程中的应用 | 第22-23页 |
| ·希尔伯特时频谱能量重心的提出 | 第23-25页 |
| ·Hilbert时频谱能量重心法 | 第23页 |
| ·时频谱能量重心的计算 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 支持向量机 | 第26-38页 |
| ·统计学习 | 第26-30页 |
| ·统计学习介绍 | 第26页 |
| ·统计学习理论 | 第26-27页 |
| ·推广性的界 | 第27页 |
| ·VC维 | 第27-28页 |
| ·机器学习及经验风险问题 | 第28-29页 |
| ·过学习问题 | 第29-30页 |
| ·支持向量机的理论 | 第30-34页 |
| ·结构风险最小化 | 第30页 |
| ·最优分类面 | 第30-33页 |
| ·惩罚系数和松弛因子 | 第33页 |
| ·核函数 | 第33-34页 |
| ·支持向量机的多类分类 | 第34-36页 |
| ·支持向量机的三维分类 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 智能识别及能量重心法的验证 | 第38-51页 |
| ·信号的特征提取 | 第38-42页 |
| ·特征提取简介 | 第38页 |
| ·信号特征提取的方法 | 第38-42页 |
| ·试验验证 | 第42-50页 |
| ·循环平稳分析 | 第43-44页 |
| ·能量重心计算 | 第44-45页 |
| ·二维支持向量验证 | 第45-47页 |
| ·三维支持向量验证 | 第47-49页 |
| ·时域指标实验比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 基于SVM和Hilbert时频谱能量重心法的故障诊断系统开发 | 第51-62页 |
| ·虚拟仪器介绍 | 第51-53页 |
| ·虚拟仪器的概念 | 第51页 |
| ·LabVIEW开发平台介绍 | 第51-53页 |
| ·系统设计与实现 | 第53-54页 |
| ·系统的开发流程 | 第53页 |
| ·系统功能介绍 | 第53-54页 |
| ·系统总界面 | 第54页 |
| ·系统主要模块的实现 | 第54-59页 |
| ·信号分量分解模块 | 第54-56页 |
| ·时频谱生成模块 | 第56-57页 |
| ·特征提取模块 | 第57-58页 |
| ·入库模块 | 第58-59页 |
| ·其它分析模块 | 第59-61页 |
| ·时域频域分析 | 第59页 |
| ·联合时频分析 | 第59-60页 |
| ·小波分析 | 第60页 |
| ·AR谱分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |