| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-22页 |
| ·课题来源 | 第12页 |
| ·研究背景及意义 | 第12-13页 |
| ·智能故障诊断的国内外研究现状 | 第13-15页 |
| ·流形学习的概念及其研究现状 | 第15-20页 |
| ·主要研究内容及论文结构 | 第20-22页 |
| 第二章 基于流形学习的机械状态识别流程 | 第22-31页 |
| ·概述 | 第22-24页 |
| ·设备运行状态的特征空间构建 | 第24-29页 |
| ·时域特征 | 第24-25页 |
| ·频域特征 | 第25页 |
| ·时频域特征 | 第25-26页 |
| ·机械设备状态的原始特征空间 | 第26-29页 |
| ·识别方法选择 | 第29-30页 |
| ·K 近邻分类器(k-Nearest Neighbor, kNN) | 第29-30页 |
| ·标准化互信息准则(Normalized Mutual Information，NMI) | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于特征空间降噪的流形学习预处理方法 | 第31-53页 |
| ·概述 | 第31页 |
| ·特征空间降噪的理论推导 | 第31-34页 |
| ·时域信号噪声向时域特征的转化 | 第32-33页 |
| ·时域信号噪声向频域特征的转化 | 第33-34页 |
| ·特征空间奇异值降噪方法 | 第34-35页 |
| ·轴承状态仿真及实验 | 第35-51页 |
| ·轴承振动信号仿真 | 第35-45页 |
| ·轴承故障试验 | 第45-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于可变近邻 LLE 的轴承状态识别方法 | 第53-75页 |
| ·概述 | 第53页 |
| ·局部线性嵌入算法(LLE) | 第53-55页 |
| ·可变近邻个数的改进算法(VKLLE) | 第55-67页 |
| ·评价指标 | 第56-57页 |
| ·仿真分析 | 第57-59页 |
| ·计算复杂度分析 | 第59-60页 |
| ·VKLLE 算法在轴承状态识别中的应用 | 第60-67页 |
| ·邻域保持嵌入算法在轴承状态趋势分析中的应用 | 第67-73页 |
| ·算法简述 | 第68-69页 |
| ·基于 NPE 与 SOM 的轴承性能评估 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第五章 改进保持距离投影及其谱回归算法在故障分类中的应用 | 第75-95页 |
| ·概述 | 第75-76页 |
| ·最近与最远距离保持投影算法 | 第76-78页 |
| ·发动机及轴承故障实验分析 | 第78-86页 |
| ·捷达发动机失火实验 | 第78-81页 |
| ·轴承故障实验分析 | 第81-86页 |
| ·局部与全局谱回归算法(Local and Global Spectral Regression，LGSR) | 第86-87页 |
| ·发动机及变速器故障实验分析 | 第87-94页 |
| ·凯美瑞(运动版)发动机故障实验 | 第87-90页 |
| ·变速器故障实验分析 | 第90-94页 |
| ·本章小结 | 第94-95页 |
| 第六章 基于多路 NFDPP/LGSR 的机械运行状态的动态识别 | 第95-112页 |
| ·概述 | 第95页 |
| ·多路 NFDPP/LGSR 算法原理 | 第95-97页 |
| ·机械状态性能退化评估 | 第97-110页 |
| ·齿轮典型故障模拟验证 | 第97-102页 |
| ·轴承性能状态监测 | 第102-110页 |
| ·本章小结 | 第110-112页 |
| 总结及展望 | 第112-114页 |
| 参考文献 | 第114-124页 |
| 攻读博士学位期间取得的研究成果 | 第124-125页 |
| 致谢 | 第125-126页 |
| 附件 | 第126页 |
