| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 缩略术语表 | 第7-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11页 |
| 1.2 机械故障诊断技术的研究现状 | 第11-15页 |
| 1.2.1 故障诊断研究的多学科交叉发展 | 第11-12页 |
| 1.2.2 现有故障诊断理论方法的不足之处 | 第12-15页 |
| 1.3 独立分量分析理论研究及工程应用现状 | 第15-17页 |
| 1.4 基于源分离的机械故障诊断新架构 | 第17-18页 |
| 1.5 论文的主要研究内容及创新点 | 第18-20页 |
| 1.5.1 主要研究内容及技术路线 | 第18-19页 |
| 1.5.2 本论文的创新点 | 第19-20页 |
| 1.6 本章小结 | 第20-21页 |
| 第二章 独立分量分析理论与算法 | 第21-40页 |
| 2.1 ICA模型及其模型估计性质 | 第21-26页 |
| 2.1.1 统计独立性及ICA定义 | 第21-22页 |
| 2.1.2 ICA(BSS)混叠模型 | 第22-25页 |
| 2.1.3 ICA模型的盲可辨识性及不确定性 | 第25-26页 |
| 2.1.4 ICA模型估计的等变化性及波形保持 | 第26页 |
| 2.2 ICA算法 | 第26-38页 |
| 2.2.1 目标函数(参照函数)和优化算法 | 第26-28页 |
| 2.2.2 ICA算法的一般流程 | 第28页 |
| 2.2.3 一些重要的ICA(BSS)典型算法 | 第28-37页 |
| 2.2.4 基于带通滤波的改进BSS算法 | 第37-38页 |
| 2.3 算法性能分析 | 第38-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 基于BSS的机械源分离 | 第40-77页 |
| 3.1 基于BSS的机械源分离整体解决方案 | 第40-41页 |
| 3.2 前分析处理 | 第41-53页 |
| 3.2.1 机械系统分析 | 第41-43页 |
| 3.2.2 信号采集系统分析 | 第43页 |
| 3.2.3 源过程分析 | 第43-44页 |
| 3.2.4 信号特性校验 | 第44-53页 |
| 3.3 机械源盲分离 | 第53-64页 |
| 3.3.1 算法选择与性能分析 | 第53-54页 |
| 3.3.2 算法实施中应注意的一些问题 | 第54-55页 |
| 3.3.3 改进源分离精度1——基于源数估计的BSS算法研究 | 第55-57页 |
| 3.3.4 改进源分离精度2——基于带通滤波的改进BSS算法研究 | 第57-61页 |
| 3.3.5 改进源分离精度3——削减BSS算法的盲不确定性研究 | 第61-63页 |
| 3.3.6 机械源BSS的整体实现 | 第63-64页 |
| 3.4 后分析处理 | 第64页 |
| 3.5 机械源分离实验 | 第64-76页 |
| 3.5.1 同时作用的多个机器振动源分离实验 | 第65-72页 |
| 3.5.2 机械声源分离实验 | 第72-76页 |
| 3.5.3 选择机械源盲分离算法的注意事项 | 第76页 |
| 3.6 本章小结 | 第76-77页 |
| 第四章 基于ICA的机械故障特征提取 | 第77-96页 |
| 4.1 数据预处理 | 第77-88页 |
| 4.1.1 基于ICA的系统噪声消除方法研究 | 第77-82页 |
| 4.1.2 机器多通道传感观测信息融合压缩 | 第82-88页 |
| 4.2 几种特征提取方法 | 第88-94页 |
| 4.2.1 小波(WAVELET)与ICA相结合 | 第88-92页 |
| 4.2.2 基于ICA的新奇故障特征提取 | 第92-94页 |
| 4.3 单故障与复合故障特征间关系及故障特征分解融合 | 第94-95页 |
| 4.4 本章小结 | 第95-96页 |
| 第五章 基于ICA的机械故障模式分类 | 第96-121页 |
| 5.1 统计学习理论基础 | 第96-97页 |
| 5.2 基于ICA的机械故障模式分类方法 | 第97-119页 |
| 5.2.1 传统模式分类方法及其在ICA背景下的应用 | 第97-106页 |
| 5.2.2 基于ICA特征提取的神经网络(ANN)分类器 | 第106-114页 |
| 5.2.3 基于ICA特征提取的支持向量机(SVM)分类器(ICA—SVM) | 第114-119页 |
| 5.2.4 机械故障模式分类方法的选择 | 第119页 |
| 5.3 本章小结 | 第119-121页 |
| 第六章 基于ICA的状态监测与故障诊断系统 | 第121-134页 |
| 6.1 ICA基机器状态监测与故障诊断系统构成 | 第121-123页 |
| 6.1.1 面向ICA(BSS)应用的数字信号采集系统 | 第121-122页 |
| 6.1.2 BSS基虚拟传感观测器 | 第122-123页 |
| 6.1.3 ICA基特征提取器 | 第123页 |
| 6.1.4 ICA基机械故障分类(判别)器 | 第123页 |
| 6.2 ICA基状态监测与故障诊断集成系统 | 第123-127页 |
| 6.2.1 故障诊断软件部分 | 第124-126页 |
| 6.2.2 集成系统子模块接口 | 第126-127页 |
| 6.2.3 数据结构规范性 | 第127页 |
| 6.2.4 系统实时性要求 | 第127页 |
| 6.2.5 系统数据库结构分析 | 第127页 |
| 6.3 机械故障诊断综合实验 | 第127-133页 |
| 6.3.1 齿轮减速箱故障诊断 | 第127-130页 |
| 6.3.2 基于ICA—SOM的复合故障特征分解与融合 | 第130-133页 |
| 6.4 本章小结 | 第133-134页 |
| 第七章 结论与展望 | 第134-136页 |
| 7.1 结论 | 第134页 |
| 7.2 展望 | 第134-136页 |
| 附录1 论文研究依托的实验装置 | 第136-139页 |
| 附录2 ICA数学基础 | 第139-141页 |
| 参考文献 | 第141-149页 |
| 攻博期间发表(含录用)的论文及参加的科研项目 | 第149-150页 |
| 致谢 | 第150页 |
