| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 特征提取研究现状 | 第9-12页 |
| 1.2.2 特征空间转换研究现状 | 第12-14页 |
| 1.2.3 机械设备状态评估研究现状 | 第14-16页 |
| 1.3 本文的创新点 | 第16页 |
| 1.4 本文的组织结构 | 第16-20页 |
| 2 基于流形学习的多特征融合方法研究 | 第20-38页 |
| 2.1 单一特征提取方法研究 | 第20-32页 |
| 2.1.1 时域、频域特征提取 | 第20-21页 |
| 2.1.2 小波包能量特征提取 | 第21-22页 |
| 2.1.3 WVD&CW-SSIM特征提取 | 第22-26页 |
| 2.1.4 实验对比 | 第26-32页 |
| 2.2 流形学习多特征集融合 | 第32-36页 |
| 2.2.1 流形学习理论 | 第32-33页 |
| 2.2.2 拉普拉斯特征映射（LE）算法 | 第33-35页 |
| 2.2.3 实验对比 | 第35-36页 |
| 2.3 本章小结 | 第36-38页 |
| 3 主曲线相似度状态评估方法研究 | 第38-62页 |
| 3.1 状态评估方法 | 第38-42页 |
| 3.1.1 HMM | 第38-40页 |
| 3.1.2 DBN | 第40-42页 |
| 3.2 特征空间主曲线提取 | 第42-52页 |
| 3.2.1 主曲线理论 | 第42-45页 |
| 3.2.2 软-K主曲线改进算法 | 第45-48页 |
| 3.2.3 主曲线与经典回归法对比 | 第48-51页 |
| 3.2.4 特征空间改进软-K主曲线提取 | 第51-52页 |
| 3.3 曲线相似度评价 | 第52-54页 |
| 3.3.1 距离测度方法 | 第52-53页 |
| 3.3.2 Hausdorff主曲线相似度评估方法 | 第53-54页 |
| 3.4 主曲线相似度状态评估模型 | 第54-56页 |
| 3.5 实验对比 | 第56-60页 |
| 3.5.1 特征融合方法实验对比 | 第56-58页 |
| 3.5.2 曲线相似度评价方法实验对比 | 第58-59页 |
| 3.5.3 状态评估方法实验对比 | 第59-60页 |
| 3.6 本章小结 | 第60-62页 |
| 4 机械设备运行状态评估系统设计 | 第62-76页 |
| 4.1 VC++与Matlab混合编程 | 第62-63页 |
| 4.2 状态评估软件设计 | 第63-70页 |
| 4.2.1 软件总体架构 | 第63-65页 |
| 4.2.2 数据库模块 | 第65-66页 |
| 4.2.3 特征提取模块 | 第66-67页 |
| 4.2.4 特征融合模块 | 第67-68页 |
| 4.2.5 状态评估模块 | 第68-70页 |
| 4.3 风电机组齿轮箱状态评估 | 第70-75页 |
| 4.3.1 实验系统设计 | 第70-71页 |
| 4.3.2 实验结果分析 | 第71-75页 |
| 4.4 本章小结 | 第75-76页 |
| 5 总结与展望 | 第76-78页 |
| 5.1 论文总结 | 第76-77页 |
| 5.2 展望 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 附录 | 第86页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第86页 |
| B. 作者在攻读硕士学位期间参与的科研项目目录 | 第86页 |
| C. 作者在攻读硕士学位期间所获得的奖励目录 | 第86页 |