| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-27页 |
| ·研究问题概述 | 第10-11页 |
| ·文献综述 | 第11-25页 |
| ·本文的组织结构与主要创新点 | 第25-27页 |
| 2 PCA、ICA 的理论基础及方法 | 第27-44页 |
| ·统计量、二阶统计量与高阶统计量 | 第27-29页 |
| ·多元分析中的二阶统计方法 | 第29-32页 |
| ·基于高阶统计量的ICA | 第32-35页 |
| ·独立与相关、大数定理 | 第35-36页 |
| ·高斯分布及分布检验 | 第36-38页 |
| ·白化理论 | 第38-43页 |
| ·小结 | 第43-44页 |
| 3 主分量分析(PCA)及其应用 | 第44-57页 |
| ·PCA 概述 | 第44-45页 |
| ·主分量的求解 | 第45-48页 |
| ·PCA 自适应算法及实现 | 第48-53页 |
| ·基于PCA 的信号预处理——解相关与降维 | 第53-54页 |
| ·轧机主传动系统主电机驱动电源信号的PCA 分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 4 独立分量分析――ICA | 第57-76页 |
| ·ICA 概述 | 第57页 |
| ·数学模型及假设条件 | 第57-58页 |
| ·独立分量高斯性的测度――比照函数 | 第58-62页 |
| ·ICA 神经网络算法 | 第62-70页 |
| ·ICA 仿真研究 | 第70-72页 |
| ·调频信号的ICA 仿真研究 | 第72-74页 |
| ·小结 | 第74-76页 |
| 5 快速ICA 自适应算法 | 第76-89页 |
| ·基于峭度的定点算法 | 第76-79页 |
| ·基于非峭度的定点算法 | 第79-82页 |
| ·比照函数性能仿真对比 | 第82-83页 |
| ·分离后的独立分量自适应排序 | 第83-87页 |
| ·小结 | 第87-89页 |
| 6 ICA 在轧机监测与故障诊断中的应用 | 第89-116页 |
| ·概述 | 第89页 |
| ·2800 中厚板轧机主传动系统的工作特点及监测信号的选取 | 第89-92页 |
| ·主传动系统扭转振动分析 | 第92-96页 |
| ·轧机监测系统设计及实现 | 第96-104页 |
| ·扭矩监测 | 第104-109页 |
| ·轧机扭振信号的ICA 分析 | 第109-111页 |
| ·轧机主传动轴振动信号的ICA 分析 | 第111-114页 |
| ·小结 | 第114-116页 |
| 7 总结与展望 | 第116-118页 |
| ·全文总结 | 第116-117页 |
| ·研究展望 | 第117-118页 |
| 致谢 | 第118-119页 |
| 参考文献 | 第119-129页 |
| 附录1 攻读学位期间发表学术论文目录 | 第129-130页 |
| 附录2 振动信号的概率分布分析 | 第130-132页 |
| 附录3 盲分离后独立分量重排序算法仿真 | 第132-137页 |
| 附录4 同频载波调制同频率信号相互干扰分离仿真 | 第137-139页 |
| 附录5 项目验收证明 | 第139-142页 |