| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题来源及意义 | 第15-16页 |
| 1.2 航空发动机轴承故障诊断研究现状及发展趋势 | 第16-17页 |
| 1.3 论文主要内容以及创新点 | 第17-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 中介轴承振动信号特征及其故障形式 | 第21-27页 |
| 2.1 航空发动机中介轴承振动信号主要特点 | 第21-22页 |
| 2.2 中介轴承故障模型 | 第22-24页 |
| 2.2.1 中介轴承故障机理 | 第22-23页 |
| 2.2.2 中介轴承故障模型 | 第23-24页 |
| 2.3 中介轴承信号特征频率 | 第24-26页 |
| 2.3.1 一般轴承特征频率 | 第24-25页 |
| 2.3.2 中介轴承特征频率 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于相空间重构的轴承信号处理 | 第27-45页 |
| 3.1 相空间重构原理及方法 | 第27-30页 |
| 3.1.1 相空间重构理论 | 第27-28页 |
| 3.1.2 时间延迟的选择方法 | 第28-29页 |
| 3.1.3 嵌入维数的选择方法 | 第29页 |
| 3.1.4 小结 | 第29-30页 |
| 3.2 改进C-C算法相空间重构 | 第30-35页 |
| 3.2.1 C-C算法理论 | 第30-31页 |
| 3.2.2 改进C-C算法 | 第31-32页 |
| 3.2.3 实验验证和分析 | 第32-34页 |
| 3.2.4 小结 | 第34-35页 |
| 3.3 相空间重构应用于轴承的信号处理 | 第35-44页 |
| 3.3.1 基于相空间主流形重构的信号去噪方法 | 第37-40页 |
| 3.3.2 基于相空间奇异值分解的信号特征提取 | 第40-43页 |
| 3.3.3 小结 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于流形学习的量优参数集构建及评价 | 第45-69页 |
| 4.1 流形学习方法概述与应用 | 第45-50页 |
| 4.1.1 流形学习基本原理 | 第45页 |
| 4.1.2 流形学习典型算法介绍 | 第45-48页 |
| 4.1.3 流形学习算法应用 | 第48页 |
| 4.1.4 实验验证和分析 | 第48-50页 |
| 4.1.5 小结 | 第50页 |
| 4.2 基于非线性监督的局部线性嵌入算法(NSLLE)的特征集约简 | 第50-59页 |
| 4.2.1 局部线性嵌入算法(LLE) | 第50-52页 |
| 4.2.2 非线性监督的局部线性嵌入算法(NSLLE) | 第52-53页 |
| 4.2.3 改进的非线性监督的局部线性嵌入算法(R-NSLLE) | 第53-54页 |
| 4.2.4 实验验证与分析 | 第54-58页 |
| 4.2.5 小结 | 第58-59页 |
| 4.3 基于Treelets优化流形学习 | 第59-63页 |
| 4.3.1 Treelets算法基本原理 | 第59-60页 |
| 4.3.2 改进的基于谱图的Treelets算法 | 第60-61页 |
| 4.3.3 改进的Treelets算法优化流形学习 | 第61-63页 |
| 4.3.4 小结 | 第63页 |
| 4.4 最优特征参数集的评价 | 第63-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 基于极限学习机的智能故障诊断方法 | 第69-81页 |
| 5.1 基于极限学习机(ELM)的智能诊断方法 | 第69-73页 |
| 5.1.1 极限学习机的基本思想 | 第69-70页 |
| 5.1.2 极限学习机的算法理论 | 第70-71页 |
| 5.1.3 实验验证和分析 | 第71-72页 |
| 5.1.4 小结 | 第72-73页 |
| 5.2 基于正则优化的半监督极限学习机(Semi-Supervised ELM) | 第73-78页 |
| 5.2.1 半监督极限学习机的改进思想 | 第73页 |
| 5.2.2 半监督极限学习机的算法理论 | 第73-74页 |
| 5.2.3 实验验证和分析 | 第74-77页 |
| 5.2.4 小结 | 第77-78页 |
| 5.3 基于极限学习机的在线半监督诊断方法(OS-SSELM) | 第78-80页 |
| 5.3.1 在线极限学习机基本原理 | 第78-79页 |
| 5.3.2 实验验证和分析 | 第79页 |
| 5.3.3 小结 | 第79-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第六章 结论与展望 | 第81-83页 |
| 6.1 研究成果总结 | 第81页 |
| 6.2 后续工作展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 研究成果及发表的学术论文 | 第89-91页 |
| 作者和导师简介 | 第91-93页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第93-94页 |
