| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 独立成分分析的历史发展 | 第9-11页 |
| 1.2.2 Alpha稳定分布研究与应用现状 | 第11-12页 |
| 1.3 国内外文献综述的简析 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第2章 基于Alpha稳定分布的独立性测度的建立 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 齿轮箱系统故障类型、故障表现形式和信号混合模型 | 第15-17页 |
| 2.2.1 齿轮箱系统中常见故障类型和故障表现形式 | 第15-16页 |
| 2.2.2 齿轮箱故障信号混合模型 | 第16-17页 |
| 2.3 故障源信号分离 | 第17-22页 |
| 2.3.1 ICA分离模型 | 第17-18页 |
| 2.3.2 ICA方法的一般流程 | 第18-19页 |
| 2.3.3 几种独立性测度之间的区别和联系 | 第19-22页 |
| 2.4 基于Alpha稳定分布参数的独立性测度的建立 | 第22-30页 |
| 2.4.1 Alpha稳定分布基本概念 | 第22-24页 |
| 2.4.2 Alpha稳定分布拟合故障信号 | 第24-25页 |
| 2.4.3 α独立性测度的建立 | 第25-27页 |
| 2.4.4 α独立性测度的性能 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于α独立性测度的ICA方法的建立 | 第31-40页 |
| 3.1 引言 | 第31页 |
| 3.2 优化算法的建立 | 第31-34页 |
| 3.2.1 遗传算法的基本原理 | 第31-32页 |
| 3.2.2 优化算法的具体实现过程 | 第32-34页 |
| 3.3 基于α独立性测度的ICA方法的建立 | 第34-39页 |
| 3.3.1 基于α独立性测度的ICA方法的建立 | 第34-35页 |
| 3.3.2 仿真信号验证算法效果 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于α独立性测度的约束ICA方法的建立 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 空间约束独立成分分析方法 | 第40-44页 |
| 4.2.1 空间约束条件 | 第40-42页 |
| 4.2.2 空间约束独立成分分析方法的建立 | 第42-44页 |
| 4.3 混合约束独立成分分析方法的建立 | 第44-47页 |
| 4.3.1 时间约束条件 | 第44-45页 |
| 4.3.2 混合约束独立成分分析方法的建立 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于α独立性测度的ICA方法故障诊断实验 | 第48-62页 |
| 5.1 引言 | 第48页 |
| 5.2 实验平台与数据采集系统 | 第48-50页 |
| 5.3 基于α独立性测度的ICA算法诊断效果验证 | 第50-59页 |
| 5.3.1 α独立性测度的ICA与FastICA效果对比 | 第52-53页 |
| 5.3.2 α独立性测度的空间约束ICA与空间约束FastICA效果对比 | 第53-57页 |
| 5.3.3 α独立性测度的混合约束ICA方法诊断结果 | 第57-59页 |
| 5.4 故障信号分离结果定量评价指标 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
