| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要结构及安排 | 第13-15页 |
| 第2章 局域均值分解方法 | 第15-37页 |
| 2.1 局域均值分解方法 | 第15-23页 |
| 2.1.1 乘积函数 | 第15-17页 |
| 2.1.2 LMD原理 | 第17-20页 |
| 2.1.3 LMD时频分析 | 第20-23页 |
| 2.1.4 LMD特点 | 第23页 |
| 2.2 LMD与传统时频分析方法的比较 | 第23-27页 |
| 2.2.1 传统时频分析方法 | 第23-26页 |
| 2.2.2 LMD与传统时频分析方法的比较 | 第26-27页 |
| 2.3 LMD与希尔伯特黄变换的比较 | 第27-36页 |
| 2.3.1 希尔伯特黄变换 | 第27-31页 |
| 2.3.2 希尔伯特黄变换和局域均值分解方法的比较 | 第31-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于ELMD方法的砰击信号分析 | 第37-48页 |
| 3.1 砰击载荷信号 | 第37-39页 |
| 3.1.1 砰击的分类 | 第37-38页 |
| 3.1.2 底部砰击信号的数学模型 | 第38-39页 |
| 3.2 添加噪声的总体局域均值分解方法 | 第39-45页 |
| 3.2.1 模态混叠 | 第39-40页 |
| 3.2.2 总体局域均值分解的原理 | 第40-41页 |
| 3.2.3 LMD和ELMD效果比较 | 第41-42页 |
| 3.2.4 EEMD和ELMD效果比较 | 第42-45页 |
| 3.3 ELMD在砰击信号中的应用 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 砰击信号的特征提取与分类 | 第48-61页 |
| 4.1 基于熵理论和边际谱的砰击信号的提取 | 第48-53页 |
| 4.1.1 熵理论及其发展 | 第48-50页 |
| 4.1.2 砰击信号特征提取 | 第50-53页 |
| 4.2 基于KNN的砰击信号的分类 | 第53-55页 |
| 4.2.1 机器学习简介 | 第53-54页 |
| 4.2.2 KNN分类的基本原理 | 第54-55页 |
| 4.2.3 基于KNN的砰击信号的分类 | 第55页 |
| 4.3 砰击信号的检测 | 第55-60页 |
| 4.3.1 基于阈值的船体砰击信号检测 | 第56页 |
| 4.3.2 基于KNN的船体砰击信号检测 | 第56-60页 |
| 4.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |