| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 选题的背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 旋转机械的复合故障概述 | 第14-17页 |
| 1.2.1 故障的定义及分类 | 第14-15页 |
| 1.2.2 常见的旋转机械复合故障 | 第15-17页 |
| 1.3 旋转机械复合故障诊断的国内外发展状况 | 第17-22页 |
| 1.4 本文的主要内容及安排 | 第22-25页 |
| 第二章 旋转机械故障诊断技术 | 第25-37页 |
| 2.1 引言 | 第25页 |
| 2.2 振动诊断的基础工作 | 第25-28页 |
| 2.2.1 测振传感器 | 第25-26页 |
| 2.2.2 振动监测点的选择 | 第26页 |
| 2.2.3 振动测量参数的选择 | 第26-27页 |
| 2.2.4 测定周期的确定 | 第27页 |
| 2.2.5 振动监测判断标准的确定 | 第27-28页 |
| 2.3 振动信号采集 | 第28-30页 |
| 2.4 故障诊断方法 | 第30-35页 |
| 2.4.1 基于模型的故障诊断 | 第31页 |
| 2.4.2 基于信号的故障诊断 | 第31-32页 |
| 2.4.3 基于知识的故障诊断 | 第32-34页 |
| 2.4.4 混合型故障诊断 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章K-S匹配和无量纲指标相结合的复合故障诊断方法 | 第37-47页 |
| 3.1 有量纲指标和无量纲指标 | 第37-42页 |
| 3.1.1 信号的有量纲指标 | 第37-40页 |
| 3.1.2 信号的无量纲指标 | 第40-42页 |
| 3.2 K-S匹配 | 第42-46页 |
| 3.2.1 K-S理论 | 第42-43页 |
| 3.2.2 实验 | 第43-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 基于证据理论融合的复合故障诊断原理 | 第47-57页 |
| 4.1 证据理论的基础框架 | 第47-49页 |
| 4.1.1 识别框架（Frame of discernment） | 第47页 |
| 4.1.2 基本信任分配函数（Basic probability assignment, BPA） | 第47-48页 |
| 4.1.3 信任函数（Belief function） | 第48页 |
| 4.1.4 似然函数（Plausibility function） | 第48-49页 |
| 4.2 DSET的合成规则 | 第49-51页 |
| 4.2.1 合成规则的定义 | 第49-50页 |
| 4.2.2 证据合成规则的基本性质 | 第50-51页 |
| 4.3 改进的证据理论 | 第51-53页 |
| 4.4 实验 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章K-S和证据理论在复合故障诊断中的应用 | 第57-69页 |
| 5.1 实验算法 | 第57-59页 |
| 5.2.实验环境 | 第59-64页 |
| 5.3 实验仿真 | 第64-66页 |
| 5.4 大机组智能故障诊断系统的应用 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69页 |
| 6.2 研究展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 攻读学位期间发表的学术论文目录 | 第79页 |
| 攻读硕士学位期间参加的科研项目 | 第79页 |
