| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 引言 | 第7-9页 |
| 1 故障诊断介绍 | 第9-14页 |
| 1.1 故障类别简介 | 第9-11页 |
| 1.2 在线车轴故障诊断的意义 | 第11-12页 |
| 1.3 故障诊断方法简介 | 第12-14页 |
| 2 声发射信号故障检测 | 第14-21页 |
| 2.1 声发射现象介绍 | 第14-15页 |
| 2.2 传统声发射故障诊断方法研究与应用现状 | 第15-17页 |
| 2.3 基于时间序列分析的故障诊断研究现状 | 第17-19页 |
| 2.4 声发射信号采集实验 | 第19-21页 |
| 3 基于AR模型谱估计与功率参数的频域特征分析方法 | 第21-40页 |
| 3.1 信号预处理方法 | 第22-25页 |
| 3.1.1 标准化处理 | 第22-23页 |
| 3.1.2 基于EMD分解的平稳化处理 | 第23-25页 |
| 3.2 频域特征提取方法 | 第25-31页 |
| 3.2.1 AR模型与定阶方法 | 第25-27页 |
| 3.2.2 基于AR模型现代功率谱估计 | 第27-28页 |
| 3.2.3 频域特征参数提取方法 | 第28-31页 |
| 3.3 特征识别分类器模型 | 第31-32页 |
| 3.4 实验讨论 | 第32-39页 |
| 3.4.1 样本选择与预处理过程 | 第32-33页 |
| 3.4.2 特征提取过程 | 第33-37页 |
| 3.4.3 特征学习与识别 | 第37-38页 |
| 3.4.4 对比实验 | 第38-39页 |
| 3.5 章节小结 | 第39-40页 |
| 4 基于VAR模型参数与深度学习的特征分析方法 | 第40-57页 |
| 4.1 IMF分量筛选方法 | 第40-41页 |
| 4.2 VAR模型建模与特征提取方法 | 第41-46页 |
| 4.2.1 声发射信号VAR模型建模过程 | 第41-43页 |
| 4.2.2 基于深度置信网络的模型参数特征提取过程 | 第43-46页 |
| 4.3 基于深度置信网络的特征识别模型 | 第46-47页 |
| 4.4 方法总结 | 第47-50页 |
| 4.5 实验讨论 | 第50-56页 |
| 4.5.1 特征提取过程 | 第50-53页 |
| 4.5.2 对比实验 | 第53-55页 |
| 4.5.3 网络参数讨论 | 第55-56页 |
| 4.6 章节小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-66页 |