| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文创新点 | 第16-17页 |
| 第2章 实验数据采集 | 第17-20页 |
| 2.1 实验条件 | 第17页 |
| 2.2 采集对象 | 第17-18页 |
| 2.3 采集系统 | 第18-19页 |
| 2.4 实验过程 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 基于听觉感知特征的工况识别方法研究 | 第20-37页 |
| 3.1 ZCPA听觉模型原理 | 第20-24页 |
| 3.1.1 Gammatone滤波器 | 第21-23页 |
| 3.1.2 峰值检测与非线性压缩 | 第23页 |
| 3.1.3 信息整合 | 第23-24页 |
| 3.2 人耳听觉感知特征 | 第24-25页 |
| 3.3 主元分析法 | 第25-26页 |
| 3.4 基于APC-PCA的车床工况识别 | 第26-30页 |
| 3.5 基于APC-ANN-PCA的车床工况识别 | 第30-36页 |
| 3.5.1 人工神经网络 | 第30-31页 |
| 3.5.2 线性准则设计 | 第31-33页 |
| 3.5.3 实验验证 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于优化ZCPA听觉模型的工况识别方法研究 | 第37-45页 |
| 4.1 基于遗传算法的ZCPA听觉模型优化 | 第37-38页 |
| 4.2 识别方法 | 第38-40页 |
| 4.3 实验验证 | 第40-44页 |
| 4.3.1 听觉模型优化 | 第40-41页 |
| 4.3.2 建立标准听觉谱 | 第41-43页 |
| 4.3.3 工况识别 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于听觉显著模型和信息熵的工况识别方法研究 | 第45-56页 |
| 5.1 听觉显著模型原理 | 第45-47页 |
| 5.1.1 信号预处理 | 第45-46页 |
| 5.1.2 多尺度二维滤波 | 第46页 |
| 5.1.3 全局显著图 | 第46-47页 |
| 5.2 信息熵特征提取 | 第47-48页 |
| 5.3 实验验证 | 第48-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 基于振动信号的人机评估方法研究 | 第56-61页 |
| 6.1 基于信息熵的设备状态评价 | 第56-57页 |
| 6.2 基于波动特性和显著特性参数的工人操作水平评价 | 第57-60页 |
| 6.2.1 不同操作人员各状态的振动信号特点 | 第57-58页 |
| 6.2.2 波动特性和显著特性参数计算 | 第58-59页 |
| 6.2.3 实验验证 | 第59-60页 |
| 6.3 本章小结 | 第60-61页 |
| 第7章 总结与展望 | 第61-63页 |
| 7.1 总结 | 第61页 |
| 7.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69页 |
| A.攻读硕士学位期间发表的论文 | 第69页 |
| B.获批的软件著作权 | 第69页 |
| C.作者在攻读硕士学位期间参加的科研项目 | 第69页 |
| D.作者在攻读硕士学位期间获得的荣誉 | 第69页 |
