| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-14页 |
| 1.3 本文的主要工作及内容安排 | 第14-17页 |
| 1.3.1 研究内容及思路 | 第14-15页 |
| 1.3.2 章节安排及内容概述 | 第15-17页 |
| 第二章 滚动轴承故障诊断的理论基础 | 第17-23页 |
| 2.1 研究对象分析 | 第17-20页 |
| 2.1.1 滚动轴承的失效形式 | 第17-18页 |
| 2.1.2 滚动轴承的振动机理 | 第18-19页 |
| 2.1.3 滚动轴承的故障特征频率计算 | 第19-20页 |
| 2.2 包络解调分析原理 | 第20页 |
| 2.3 试验数据来源及分析 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于概率密度估计方法的异常检测算法 | 第23-38页 |
| 3.1 特征提取方法 | 第23-26页 |
| 3.1.1 时域特征提取 | 第23-24页 |
| 3.1.2 小波包分解 | 第24-25页 |
| 3.1.3 AR模型系数和残差 | 第25-26页 |
| 3.2 特征降维方法 | 第26-28页 |
| 3.2.1 局部线性嵌入(LocallyLinearEmbedding,LLE) | 第26-28页 |
| 3.3 基于HMM模型的异常检测算法理论和算法 | 第28-31页 |
| 3.3.1 HMM基本概念及特点 | 第28-29页 |
| 3.3.2 HMM基本定义 | 第29页 |
| 3.3.3 HMM基本算法 | 第29-31页 |
| 3.4 实验数据来源 | 第31-37页 |
| 3.4.1 特征参数分析 | 第33-35页 |
| 3.4.2 特征矢量化与归一化 | 第35页 |
| 3.4.3 基于HMM模型的异常检测算法性能退化评估 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于边界方法的异常检测算法 | 第38-47页 |
| 4.1 聚类分析 | 第38-39页 |
| 4.1.1 聚类分析的相关概念 | 第38页 |
| 4.1.2 相似性测度以及聚类准则 | 第38-39页 |
| 4.2 基于试探的聚类搜索算法 | 第39-40页 |
| 4.2.1 按最近邻规则的简单试探法 | 第39页 |
| 4.2.2 动态聚类法 | 第39-40页 |
| 4.2.3 聚类结果的评价 | 第40页 |
| 4.3 模糊模式识别 | 第40-42页 |
| 4.3.1 模糊关系 | 第40-41页 |
| 4.3.2 隶属度的确定 | 第41页 |
| 4.3.3 模糊聚类分析 | 第41-42页 |
| 4.4 基于边界模型的异常检测算法 | 第42页 |
| 4.5 模型的建立与试验结果 | 第42-46页 |
| 4.5.1 评估模型的建立 | 第42-43页 |
| 4.5.2 报警阈值设定 | 第43-44页 |
| 4.5.3 实验与结果分析 | 第44页 |
| 4.5.4 包络谱分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 基于FCM-HMM的滚动轴承的性能退化评估方法 | 第47-58页 |
| 5.1 融合型异常检测模型 | 第47-48页 |
| 5.1.1 FCM-HMM模型 | 第47页 |
| 5.1.2 模型的建立与指标提取步骤 | 第47-48页 |
| 5.2 FCM-HMM评估结果 | 第48-49页 |
| 5.3 IEEEPHM2012试验介绍 | 第49-51页 |
| 5.4 基于异常检测算法的性能退化评估结果及分析 | 第51-54页 |
| 5.4.1 基于异常检测的边界方法 | 第51-52页 |
| 5.4.2 基于异常检测的概率密度估计方法 | 第52-53页 |
| 5.4.3 基于异常检测的融合型方法 | 第53-54页 |
| 5.5 风力涡轮发电机(WTG)组高速轴承试验 | 第54-57页 |
| 5.5.1 试验结果及分析 | 第55-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 基于模型重构的异常检测算法 | 第58-68页 |
| 6.1 神经网络基础分类 | 第58-64页 |
| 6.1.1 BP神经网络 | 第58-63页 |
| 6.1.2 RBF(径向基)神经网络 | 第63-64页 |
| 6.2 基于AANN-FCM模型重构算法的实现步骤 | 第64-65页 |
| 6.3 基于AANN-FCM模型重构算法的实验及结果分析 | 第65-67页 |
| 6.3.1 特征提取 | 第65-66页 |
| 6.3.2 实验及实验分析 | 第66-67页 |
| 6.4 本章小结 | 第67-68页 |
| 第七章 结论 | 第68-70页 |
| 7.1 结论 | 第68-69页 |
| 7.2 主要创新点 | 第69页 |
| 7.3 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 个人简历在读期间发表的学术论文情况 | 第74-75页 |
| 致谢 | 第75页 |
