| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 特征提取方法 | 第12-15页 |
| 1.2.2 故障识别方法 | 第15-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 振动信号检测系统 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 振动信号检测装置 | 第18-22页 |
| 2.2.1 断路器的选择 | 第18-20页 |
| 2.2.2 传感器的选择 | 第20-21页 |
| 2.2.3 安装方式的选择 | 第21-22页 |
| 2.2.4 振动监测仪的选择 | 第22页 |
| 2.3 系统总体方案 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于稀疏分解的振动信号去噪 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 FFT-MP算法的去噪原理 | 第24-29页 |
| 3.2.1 振动信号的仿真建模 | 第24-25页 |
| 3.2.2 FFT-MP算法 | 第25-29页 |
| 3.3 信号去噪结果及效率讨论 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于时频-数据序列特征的机械故障诊断 | 第32-53页 |
| 4.1 引言 | 第32页 |
| 4.2 基于SVD与TLS-ESPRIT方法的时频特征提取 | 第32-39页 |
| 4.2.1 信号突变点的识别 | 第33-36页 |
| 4.2.2 信号时频参数的辨识 | 第36-39页 |
| 4.3 基于VMD与多重分形方法的数据序列特征提取 | 第39-45页 |
| 4.3.1 信号的变分模态分解 | 第40-43页 |
| 4.3.2 广义分形维数的计算 | 第43-45页 |
| 4.4 基于随机森林算法的时频-数据序列特征下的机械故障诊断 | 第45-52页 |
| 4.4.1 随机森林算法 | 第45-46页 |
| 4.4.2 时频-数据序列特征的提取 | 第46-50页 |
| 4.4.3 故障诊断结果及效率讨论 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 主要结论 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的研究成果 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
