| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题的提出及研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 压缩感知理论的研究现状 | 第13-16页 |
| 1.2.2 机械故障诊断研究现状 | 第16-18页 |
| 1.3 论文结构 | 第18-19页 |
| 第2章 压缩感知基本框架 | 第19-23页 |
| 2.1 压缩感知 | 第19页 |
| 2.2 机械振动信号的稀疏表示 | 第19-20页 |
| 2.3 机械振动信号的测量矩阵设计 | 第20-21页 |
| 2.4 机械振动信号的重构算法 | 第21-22页 |
| 2.5 本章总结 | 第22-23页 |
| 第3章 基于K-SVD过完备字典完整训练样本的重构性能研究 | 第23-31页 |
| 3.1 K-SVD算法 | 第23-24页 |
| 3.2 仿真实验与结果分析 | 第24-30页 |
| 3.2.1 样本集合的构造及其稀疏性分析 | 第25-26页 |
| 3.2.2 基于不同样本集合的稀疏性分析 | 第26-27页 |
| 3.2.3 基于不同K-SVD过完备字典的振动信号重构误差分析 | 第27-29页 |
| 3.2.4 K-SVD过完备字典在不同采样率下的重构性能分析 | 第29-30页 |
| 3.3 本章总结 | 第30-31页 |
| 第4章 基于EMD与神经网络的滚动轴承故障诊断方法 | 第31-39页 |
| 4.1 经验模态分解方法 | 第31-32页 |
| 4.2 BP神经网络 | 第32-33页 |
| 4.3 基于EMD与神经网络的滚动轴承故障诊断方法整体设计 | 第33-34页 |
| 4.4 仿真实验与结果分析 | 第34-38页 |
| 4.4.1 重构信号 | 第35-36页 |
| 4.4.2 EMD分解 | 第36-37页 |
| 4.4.3 BP神经网络故障诊断 | 第37-38页 |
| 4.5 本章总结 | 第38-39页 |
| 第5章 基于压缩域的滚动轴承振动信号特征提取方法 | 第39-53页 |
| 5.1 基于压缩域的滚动轴承振动信号特征提取方法整体设计 | 第39-41页 |
| 5.1.1 基于压缩域的滚动轴承故障识别方法的测量过程 | 第39-41页 |
| 5.1.2 基于压缩域的滚动轴承故障识别方法的实现步骤 | 第41页 |
| 5.2 仿真实验与结果分析 | 第41-52页 |
| 5.2.1 仿真信号的构造 | 第41-43页 |
| 5.2.2 仿真信号频谱的幅值修正 | 第43-49页 |
| 5.2.3 信号谱特征提取实验分析 | 第49-51页 |
| 5.2.4 测量矩阵对实验的影响 | 第51-52页 |
| 5.3 本章总结 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 本文工作总结 | 第53-54页 |
| 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间所撰写及录用的学术论文 | 第61页 |
