| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景、意义及目的 | 第11-13页 |
| 1.1.1 旋转机械故障诊断研究背景及研究意义 | 第11-12页 |
| 1.1.2 旋转机械故障诊断的研究内容 | 第12-13页 |
| 1.2 故障诊断国内外研究现状 | 第13-14页 |
| 1.3 旋转机械微弱信号检测方法 | 第14-19页 |
| 1.3.1 微弱信号检测方法 | 第15-19页 |
| 1.4 项目的来源及本文研究内容 | 第19-21页 |
| 第2章 奇异值分解概述及其在强噪声中的研究 | 第21-31页 |
| 2.1 前言 | 第21页 |
| 2.2 奇异值分解概述 | 第21-26页 |
| 2.2.1 奇异值分解数学原理 | 第21-23页 |
| 2.2.2 奇异值分解方法的研究 | 第23-24页 |
| 2.2.3 奇异值分解在噪声中的研究 | 第24-26页 |
| 2.3 多分辨奇异值分解在信号处理中的研究 | 第26-30页 |
| 2.3.1 多分辨奇异值分解的原理 | 第26-27页 |
| 2.3.2 信号奇异性检测的研究 | 第27-28页 |
| 2.3.3 多分辨奇异值分解在去噪中的应用 | 第28-29页 |
| 2.3.4 奇异值差分谱及多分辨奇异值分解去噪的仿真验证 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 EMD及VMD时频分析方法的研究 | 第31-44页 |
| 3.1 前言 | 第31页 |
| 3.2 EMD算法的原理分析 | 第31-36页 |
| 3.2.1 瞬时频率 | 第31-33页 |
| 3.2.2 本征模态函数 | 第33页 |
| 3.2.3 EMD算法的原理 | 第33-36页 |
| 3.3 EMD分解存在的问题 | 第36-39页 |
| 3.4 VMD算法原理分析 | 第39-41页 |
| 3.5 VMD算法的应用及存在的问题 | 第41-42页 |
| 3.6 VMD和EMD分解效果对比 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 VMD分解层数及端点效应抑制研究 | 第44-51页 |
| 4.1 前言 | 第44页 |
| 4.2 奇异值分解检测VMD分量虚假成分的方法 | 第44-47页 |
| 4.3 卡尔曼滤波对数据进行预测延拓抑制端点效应 | 第47-49页 |
| 4.3.1 卡尔曼滤波方法 | 第47-48页 |
| 4.3.2 卡尔曼滤波抑制端点效应中的应用 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 微弱故障信号特征提取的研究 | 第51-60页 |
| 5.1 前言 | 第51页 |
| 5.2 Hilbert变换 | 第51-52页 |
| 5.3 强噪声中微弱故障特征提取方法 | 第52-59页 |
| 5.3.1 强噪声中微弱故障特征提取实验分析 | 第52-55页 |
| 5.3.2 信号中存在频率接近的混合故障特征提取 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70页 |