| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题背景和意义 | 第12页 |
| 1.2 机械故障诊断主要研究内容 | 第12-13页 |
| 1.3 故障特征提取方法研究现状 | 第13-15页 |
| 1.3.1 信号的时域分析 | 第13-14页 |
| 1.3.2 信号的频域分析 | 第14页 |
| 1.3.3 信号的时频域分析 | 第14-15页 |
| 1.4 主要内容及安排 | 第15-17页 |
| 第2章 振动信号的故障特征提取的基本原理简介 | 第17-22页 |
| 2.1 引言 | 第17页 |
| 2.2 流形学习方法简介 | 第17-21页 |
| 2.2.1 等距特征映射算法 | 第18页 |
| 2.2.2 局部线性嵌入算法 | 第18-19页 |
| 2.2.3 随机近邻嵌入算法 | 第19-21页 |
| 2.2.4 局部切空间排列算法 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 近邻概率距离在振动信号故障提取中的应用 | 第22-33页 |
| 3.1 引言 | 第22页 |
| 3.2 改进的局部保持投影算法 | 第22-25页 |
| 3.2.1 局部保持投影 | 第22-23页 |
| 3.2.2 近邻概率距离 | 第23-25页 |
| 3.3 改进的K近邻分类器 | 第25-26页 |
| 3.3.1 K近邻分类器 | 第25页 |
| 3.3.2 基于近邻概率距离的K近邻分类器 | 第25-26页 |
| 3.4 故障特征集的特征提取方法设计 | 第26页 |
| 3.5 应用实验结果情况及分析 | 第26-31页 |
| 3.5.1 实验数据 | 第26-27页 |
| 3.5.2 参数设定 | 第27-29页 |
| 3.5.3 评估方法 | 第29页 |
| 3.5.4 结果分析 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 3.7 讨论与分析 | 第32-33页 |
| 第4章 经验小波变换与多尺度排列熵的滚动轴承故障诊断方法研究 | 第33-47页 |
| 4.1 引言 | 第33-34页 |
| 4.2 基本原理简介 | 第34-38页 |
| 4.2.1 经验小波变换 | 第34-35页 |
| 4.2.2 多尺度排列熵理论 | 第35-36页 |
| 4.2.2.1 排列熵 | 第35-36页 |
| 4.2.2.2 多尺度排列熵 | 第36页 |
| 4.2.3 GG聚类算法 | 第36-37页 |
| 4.2.4 聚类评价指标 | 第37-38页 |
| 4.3 诊断方法 | 第38页 |
| 4.4 实例分析 | 第38-46页 |
| 4.5 本章总结 | 第46页 |
| 4.6 讨论与分析 | 第46-47页 |
| 第5章 经验小波变换与自回归模型在滚动轴承特征提取中的应用 | 第47-56页 |
| 5.1 引言 | 第47页 |
| 5.2 基本原理介绍 | 第47-50页 |
| 5.2.1 自回归模型 | 第47-50页 |
| 5.2.1.1 自回归AR模型的参数估计 | 第47-49页 |
| 5.2.1.2 自回归AR模型的阶次确定 | 第49-50页 |
| 5.2.2 FCM聚类 | 第50页 |
| 5.3 实验方法设计 | 第50-51页 |
| 5.4 实验结果与分析 | 第51-54页 |
| 5.5 本章总结 | 第54-55页 |
| 5.6 讨论与分析 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 全文总结 | 第56-57页 |
| 研究展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间发表的科研成果目录 | 第63-64页 |
| 附录B 参加科研项目情况 | 第64页 |