强噪声背景下机械设备微弱信号的提取与检测技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-30页 |
| ·选题意义 | 第9-10页 |
| ·国内外研究现状 | 第10-28页 |
| ·机械设备早期故障的检测技术 | 第11-13页 |
| ·微弱信号检测方法 | 第13-26页 |
| ·状态检测与故障诊断系统的开发与应用 | 第26-28页 |
| ·课题的研究目的及来源 | 第28-29页 |
| ·论文的主要工作和创新点 | 第29-30页 |
| 第二章 强噪声背景下的经验模式分解研究 | 第30-51页 |
| ·前言 | 第30-31页 |
| ·经验模式分解基本原理 | 第31-35页 |
| ·瞬时频率定义 | 第31-32页 |
| ·瞬时频率定义分析 | 第32-33页 |
| ·基本模式分量 | 第33-34页 |
| ·经验模式分解实现步骤 | 第34-35页 |
| ·噪声背景下的经验模式分解研究 | 第35-36页 |
| ·随机共振理论 | 第36-41页 |
| ·随机共振基本原理 | 第36-39页 |
| ·级联双稳随机共振 | 第39-41页 |
| ·基于级联双稳随机共振降噪的经验模式分解 | 第41-44页 |
| ·方法的提出与仿真实验 | 第41页 |
| ·实验结果分析 | 第41-44页 |
| ·工程应用 | 第44-49页 |
| ·小结 | 第49-51页 |
| 第三章 强背景噪声下微弱信号的奇异值分解降噪研究 | 第51-64页 |
| ·前言 | 第51页 |
| ·奇异值分解方法 | 第51-54页 |
| ·奇异值分解数学原理 | 第51-52页 |
| ·奇异值分解方法研究 | 第52-54页 |
| ·奇异值分解仿真实例 | 第54-56页 |
| ·奇异值与噪声强度的关系 | 第56-57页 |
| ·频域的奇异值分解降噪研究 | 第57-60页 |
| ·级联奇异值分解降噪研究 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 大信号干扰下的微弱信号检测研究 | 第64-82页 |
| ·前言 | 第64-65页 |
| ·独立分量分析的基本原理与算法实现 | 第65-70页 |
| ·盲源分离基本原理 | 第65-67页 |
| ·独立分量分析及FastICA算法 | 第67-69页 |
| ·独立分量分析的仿真实例 | 第69-70页 |
| ·基于独立分量分析的信噪分离方法研究 | 第70-72页 |
| ·方法的提出 | 第70-71页 |
| ·仿真实验分析 | 第71-72页 |
| ·工程应用 | 第72-74页 |
| ·多窗谱分析基本原理 | 第74-77页 |
| ·多窗谱分析算法 | 第74-76页 |
| ·Slepian数据窗 | 第76-77页 |
| ·多窗谱分析的微弱信号检测 | 第77-79页 |
| ·工程应用 | 第79-81页 |
| ·本章小节 | 第81-82页 |
| 第五章 基于双CPU的便携式数据采集分析系统研究 | 第82-109页 |
| ·前言 | 第82页 |
| ·系统概述 | 第82-83页 |
| ·系统的硬件设计 | 第83-86页 |
| ·信号调理模块设计 | 第83-84页 |
| ·计算和控制核心的双CPU设计 | 第84-86页 |
| ·系统的外围电路设计 | 第86页 |
| ·系统的软件设计 | 第86-105页 |
| ·DSP部分软件设计 | 第87页 |
| ·ARM部分的软件设计 | 第87页 |
| ·数据采集模块 | 第87-91页 |
| ·人机交互模块 | 第91-92页 |
| ·通信模块 | 第92-97页 |
| ·信号分析模块 | 第97-99页 |
| ·Linux系统以及应用程序在嵌入式系统中的移植 | 第99-105页 |
| ·系统功能验证 | 第105-108页 |
| ·本章小结 | 第108-109页 |
| 第六章 总结与展望 | 第109-111页 |
| 参考文献 | 第111-127页 |
| 发表论文和参加科研情况说明 | 第127-129页 |
| 致谢 | 第129页 |
