| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 特征提取方法 | 第13-14页 |
| 1.2.2 模式识别方法 | 第14-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 第2章 轴承振动机理分析及振动特征分析方法 | 第17-30页 |
| 2.1 轴承振动机理分析 | 第17-19页 |
| 2.1.1 轴承结构性振动 | 第17页 |
| 2.1.2 轴承故障性振动 | 第17-18页 |
| 2.1.3 轴承激励性振动 | 第18-19页 |
| 2.2 轴承振动特征的时域分析 | 第19-24页 |
| 2.2.1 时域特征指标 | 第19-21页 |
| 2.2.2 轴承故障振动时域特征分析结果 | 第21-24页 |
| 2.3 轴承振动特征的频域分析 | 第24-29页 |
| 2.3.1 傅里叶变换 | 第25页 |
| 2.3.2 频域特征指标 | 第25-26页 |
| 2.3.3 轴承故障振动频域特征分析结果 | 第26-29页 |
| 2.4 小结 | 第29-30页 |
| 第3章 基于离散隐马尔科夫模型状态诊断方法 | 第30-46页 |
| 3.1 隐马尔科夫模型 | 第30-36页 |
| 3.1.1 马尔科夫链 | 第30-31页 |
| 3.1.2 离散隐马尔科夫模型 | 第31-36页 |
| 3.2 标量量化 | 第36-38页 |
| 3.2.1 原始标量量化 | 第36页 |
| 3.2.2 模糊标量量化 | 第36-38页 |
| 3.3 基于模糊标量量化和离散隐马尔科夫模型的状态诊断方法 | 第38-39页 |
| 3.4 实例分析 | 第39-44页 |
| 3.5 小结 | 第44-46页 |
| 第4章 基于连续隐马尔科夫模型状态诊断方法 | 第46-54页 |
| 4.1 连续隐马尔科夫模型 | 第46-48页 |
| 4.2 stacking集成算法 | 第48-50页 |
| 4.3 基于stacking集成算法和连续隐马尔科夫模型的状态诊断方法 | 第50-51页 |
| 4.4 实例分析 | 第51-52页 |
| 4.5 小结 | 第52-54页 |
| 第5章 基于耦合隐马尔科夫模型的状态诊断方法 | 第54-63页 |
| 5.1 耦合隐马尔科夫模型 | 第54-57页 |
| 5.2 遗传算法 | 第57-58页 |
| 5.3 基于遗传算法和耦合隐马尔科夫模型的状态诊断方法 | 第58-60页 |
| 5.4 实验分析 | 第60-62页 |
| 5.5 小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 创新点 | 第64页 |
| 6.3 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第70-71页 |
| 致谢 | 第71页 |
