| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 水电机组振动故障机理 | 第11-12页 |
| 1.3 信号处理与特征提取基本方法 | 第12-14页 |
| 1.4 水电机组故障诊断和振动趋势预测方法研究现状 | 第14-17页 |
| 1.5 本文主要研究内容 | 第17-19页 |
| 2 基于经验小波变换和最大相关峭度反卷积的水电机组振动信号分析 | 第19-38页 |
| 2.1 引言 | 第19页 |
| 2.2 经验小波的基本原理 | 第19-23页 |
| 2.3 最大相关峭度反卷积滤波 | 第23-25页 |
| 2.4 基于经验小波变换和MCKD滤波的水电机组振动信号分析 | 第25-28页 |
| 2.5 试验分析 | 第28-37页 |
| 2.6 本章小结 | 第37-38页 |
| 3 基于混合引力搜索算法和极限学习机的水电机组故障诊断研究 | 第38-59页 |
| 3.1 引言 | 第38页 |
| 3.2 混合特征提取 | 第38-42页 |
| 3.3 混合引力搜索算法 | 第42-44页 |
| 3.4 极限学习机的基本原理 | 第44-45页 |
| 3.5 基于ELM-HGSA的故障诊断方法 | 第45-48页 |
| 3.6 故障诊断实例分析 | 第48-58页 |
| 3.7 本章小结 | 第58-59页 |
| 4 基于Gram-Schmidt正交法和极限学习机的水电机组振动状态趋势预测 | 第59-74页 |
| 4.1 引言 | 第59页 |
| 4.2 水电机组振动信号预处理 | 第59-61页 |
| 4.3 Gram-Schmidt正交法输入特征筛选 | 第61-63页 |
| 4.4 基于GSO-ELM的水电机组振动状态预测方法 | 第63-64页 |
| 4.5 水电机组振动趋势实例分析 | 第64-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 全文总结与展望 | 第74-77页 |
| 5.1 全文工作总结 | 第74-75页 |
| 5.2 进一步研究展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 附录：硕士期间的主要研究工作和研究成果 | 第84页 |
