| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 机械设备故障诊断的研究背景和意义 | 第9-10页 |
| 1.2 机械故障诊断技术的发展历程和研究现状 | 第10-13页 |
| 1.3 聚类分析方法在结构健康状态监测的研究现状 | 第13-15页 |
| 1.4 AP 聚类研究现状及应用 | 第15-16页 |
| 1.5 课题来源及主要内容 | 第16-18页 |
| 第二章 信号的预处理 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 信号的时域指标 | 第18-24页 |
| 2.2.1 时域指标定义 | 第18-20页 |
| 2.2.2 时域指标实验 | 第20-24页 |
| 2.3 频域指标 | 第24-26页 |
| 2.3.1 频域指标定义 | 第24-25页 |
| 2.3.2 频域指标实验 | 第25-26页 |
| 2.4 信号的小波包变换 | 第26-33页 |
| 2.4.1 小波变换 | 第26-29页 |
| 2.4.2 小波包变换 | 第29-31页 |
| 2.4.3 小波包指标实验 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于能量熵的结构健康状态监测方法 | 第34-42页 |
| 3.1 能量熵对健康状态监测 | 第34页 |
| 3.2 原始数据能量熵 | 第34-36页 |
| 3.3 时域指标能量熵 | 第36-37页 |
| 3.4 频域指标能量熵 | 第37-39页 |
| 3.5 小波包能量熵 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于 AP 聚类分析的结构健康状态监测方法 | 第42-63页 |
| 4.1 引言 | 第42页 |
| 4.2 聚类分析 | 第42-46页 |
| 4.2.1 聚类分析的原理 | 第42-44页 |
| 4.2.2 k-means 聚类算法 | 第44-46页 |
| 4.3 AP 聚类理论 | 第46-58页 |
| 4.3.1 AP 聚类原理 | 第48-51页 |
| 4.3.2 AP 聚类算法步骤 | 第51-52页 |
| 4.3.3 参数对 AP 聚类算法的影响 | 第52-58页 |
| 4.4 基于 AP 聚类算法的结构健康状态监测方法 | 第58-62页 |
| 4.4.1 基于 AP 聚类算法与 k-means 算法对于轴承不同故障状态的结构健康监测对比 | 第58-59页 |
| 4.4.2 基于 AP 聚类算法与 k-means 算法对于轴承不同损伤程度的结构健康监测对比 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于半监督 AP 聚类算法的结构健康状态监测方法 | 第63-71页 |
| 5.1 引言 | 第63页 |
| 5.2 S-AP 聚类算法的原理 | 第63-65页 |
| 5.2.1 有效性指标的选取 | 第63-64页 |
| 5.2.2 S-AP 聚类算法步骤 | 第64-65页 |
| 5.3 基于 S-AP 聚类算法的结构健康监测方法 | 第65-69页 |
| 5.3.1 基于S-AP聚类算法与AP聚类算法对于轴承不同故障状态的结构健康监测对比 | 第65-68页 |
| 5.3.2 基于 S-AP 聚类算法与 AP 聚类算法对于轴承不同损伤程度的结构健康监测对比 | 第68-69页 |
| 5.4 本章小结 | 第69-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表论文和获得专利 | 第76-77页 |
| 致谢 | 第77页 |
