| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·电梯故障诊断方法的研究 | 第10-12页 |
| ·电梯故障常规分类 | 第10页 |
| ·电梯故障检测的发展历程 | 第10-12页 |
| ·高阶谱和 SVM 方法在故障诊断中研究和发展 | 第12-13页 |
| ·论文结构和主要内容 | 第13-15页 |
| 第2章 电梯的结构及运行原理 | 第15-23页 |
| ·电梯的结构 | 第15-17页 |
| ·电梯的机械系统 | 第16页 |
| ·电梯的电气系统 | 第16-17页 |
| ·电梯的安全系统 | 第17页 |
| ·电梯的运行原理 | 第17-18页 |
| ·电梯的振动特性 | 第18-20页 |
| ·振动的数学表达式 | 第18页 |
| ·电梯运动特性 | 第18-20页 |
| ·消除固定的趋势项 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 实验采集系统及实验现场 | 第23-28页 |
| ·信号采集系统软件开发平台 | 第23页 |
| ·信号采集系统的组成 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 时间序列的高阶累积量理论 | 第28-43页 |
| ·时间序列的参数模型 | 第28-30页 |
| ·AR 模型参数估计 | 第28-29页 |
| ·AR 模型奇异值分解法定阶 | 第29-30页 |
| ·高阶累计量的定义 | 第30-33页 |
| ·高阶累积量的定义 | 第30-32页 |
| ·高阶累积量的特征 | 第32-33页 |
| ·高阶谱的定义 | 第33-35页 |
| ·AR 高阶谱切片 | 第35-38页 |
| ·双谱切片 | 第35-36页 |
| ·三谱切片 | 第36-38页 |
| ·高阶谱的性质 | 第38-39页 |
| ·数据滤波方法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于高阶谱的电梯故障分析 | 第43-61页 |
| ·数据预处理 | 第43-44页 |
| ·功率谱和双谱比较 | 第44-51页 |
| ·电梯信号的三谱特性 | 第51-59页 |
| ·本章小结 | 第59-61页 |
| 第6章 支持向量机理论及其电梯故障识别 | 第61-78页 |
| ·机器学习理论 | 第61-62页 |
| ·统计学习理论基本思想 | 第62-63页 |
| ·经验风险最小化准则 | 第62页 |
| ·结构风险最小化 | 第62-63页 |
| ·支持向量机原理 | 第63-67页 |
| ·SVM 算法 | 第64-65页 |
| ·核函数 | 第65-66页 |
| ·最小二乘支持向量机（LS-SVM） | 第66-67页 |
| ·基于 AR 模型和 LS-SVM 的电梯故障识别 | 第67-74页 |
| ·AR 自回归系数分布 | 第69-73页 |
| ·核主元分析（KPCA） | 第73-74页 |
| ·核主元分析分布图 | 第74-76页 |
| ·LS-SVM 建模预测结果 | 第75-76页 |
| ·本章小结 | 第76-78页 |
| 第7章 全文总结与展望 | 第78-81页 |
| ·全文总结 | 第78-80页 |
| ·工作展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第87页 |