| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·课题的研究背景 | 第9-10页 |
| ·国内外旋转机械轴心轨迹的研究现状与进展 | 第10-13页 |
| ·轴心轨迹的提纯 | 第10-11页 |
| ·轴心轨迹故障特征提取和自动识别 | 第11-13页 |
| ·课题的目的和意义 | 第13页 |
| ·课题的研究内容与方法 | 第13-15页 |
| 2 转子的振动机理、相关理论计算与轴心轨迹特征介绍 | 第15-27页 |
| ·转子的振动机理 | 第15页 |
| ·转子振动的受力分析 | 第15-16页 |
| ·转子常见的故障原因及其轴心轨迹特征 | 第16-24页 |
| ·转子不平衡 | 第16-19页 |
| ·转子不对中 | 第19-20页 |
| ·转子弯曲 | 第20页 |
| ·油膜涡动和油膜振荡 | 第20-22页 |
| ·动静碰摩 | 第22-23页 |
| ·转子松动 | 第23页 |
| ·轴裂纹 | 第23-24页 |
| ·本章小结 | 第24-27页 |
| 3 轴心轨迹的提纯 | 第27-45页 |
| ·引言 | 第27页 |
| ·时频局部分析方法的发展历程 | 第27-28页 |
| ·基于谐波小波分析方法的轴心轨迹信号提纯 | 第28-39页 |
| ·谐波小波算法在轴心轨迹信号分析中的优势 | 第28页 |
| ·谐波小波变换的定义与算法实现 | 第28-32页 |
| ·离散信号的谐波小波变换 | 第32页 |
| ·谐波小波窗及其实现 | 第32-34页 |
| ·谐波小波窗分析方法仿真实验 | 第34-39页 |
| ·基于数学形态学方法的轴心轨迹图像提纯 | 第39-43页 |
| ·数学形态学基本变换 | 第39-40页 |
| ·形态学滤波器构建 | 第40-41页 |
| ·结构元素的选择 | 第41页 |
| ·振动噪声信号的形态滤波仿真分析 | 第41-42页 |
| ·基于形态滤波的轴心轨迹图像提纯仿真分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 4 轴心轨迹特征提取和自动识别 | 第45-67页 |
| ·引言 | 第45页 |
| ·基于图形仿射不变矩的轴心轨迹特征提取 | 第45-55页 |
| ·矩及其不变性 | 第45-46页 |
| ·离散状态下的不变矩特征及其计算 | 第46-49页 |
| ·离散状态下不变矩的改进 | 第49页 |
| ·仿射变换和仿射不变矩 | 第49-50页 |
| ·轴心轨迹图形不变矩计算的综合仿真实验 | 第50-55页 |
| ·基于傅里叶描述子的轴心轨迹特征提取 | 第55-58页 |
| ·基于傅里叶描述子的轴心轨迹图形描述方法 | 第55-56页 |
| ·典型轴心轨迹形状的傅里叶描述子仿真描述结果及分析 | 第56-58页 |
| ·神经网络 | 第58-62页 |
| ·神经网络的基本概念 | 第58页 |
| ·神经网络的理论分析 | 第58-59页 |
| ·BP 神经网络的学习算法 | 第59-60页 |
| ·BP 网络的设计 | 第60-62页 |
| ·轴心轨迹图形的自动识别仿真实验 | 第62-66页 |
| ·神经网络的拓扑结构 | 第62页 |
| ·神经网络的训练 | 第62-63页 |
| ·轴心轨迹的神经网络识别 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 5 轴心轨迹分析仪的设计与现场实验应用 | 第67-81页 |
| ·轴心轨迹分析仪的设计 | 第67-71页 |
| ·轴心轨迹分析仪的组成结构 | 第67-68页 |
| ·轴心轨迹分析仪的硬件系统 | 第68页 |
| ·轴心轨迹分析仪的软件系统 | 第68-69页 |
| ·轴心轨迹分析仪的主要硬件介绍 | 第69-71页 |
| ·现场实验应用与结果分析 | 第71-79页 |
| ·实测轴心轨迹的提纯 | 第73-77页 |
| ·实测轴心轨迹的自动识别 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 6 全文总结和展望 | 第81-83页 |
| ·总结 | 第81-82页 |
| ·进一步研究的设想 | 第82-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第89页 |
| B. 作者在攻读硕士学位期间参加的项目 | 第89页 |