| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 1 绪论 | 第12-26页 |
| ·课题来源 | 第12页 |
| ·课题研究的背景与意义 | 第12-14页 |
| ·相关技术及研究现状 | 第14-23页 |
| ·微弱特征信号检测的特点 | 第14-15页 |
| ·非平稳信号微弱特征提取方法研究现状 | 第15-19页 |
| ·智能故障诊断技术的研究与应用现状 | 第19-22页 |
| ·旋转机械监测诊断系统的开发与应用现状 | 第22-23页 |
| ·本文的主要研究内容和结构安排 | 第23-26页 |
| ·本文的主要研究内容 | 第23-24页 |
| ·论文的结构安排 | 第24-26页 |
| 2 基于自适应 Morlet 小波的微弱特征提取方法 | 第26-52页 |
| ·引言 | 第26-27页 |
| ·小波降噪的基本原理及方法 | 第27-29页 |
| ·小波降噪的基本原理 | 第27页 |
| ·常用的小波降噪方法 | 第27-29页 |
| ·奇异值分解的基本原理 | 第29-30页 |
| ·基于参数优化Morlet 小波的微弱特征提取 | 第30-39页 |
| ·小波变换的滤波特性 | 第30页 |
| ·母小波的选取与Morlet 小波 | 第30-31页 |
| ·带宽参数优化 | 第31-32页 |
| ·尺度参数优化 | 第32-36页 |
| ·应用与比较 | 第36-39页 |
| ·基于SPE 谱的自适应Morlet 小波微弱特征提取 | 第39-50页 |
| ·Morlet 小波的时频分辨率 | 第39-40页 |
| ·自适应Morlet 小波的设计与实现 | 第40-44页 |
| ·基于SPE 谱的最佳变换尺度求取 | 第44-45页 |
| ·试验分析与工程应用 | 第45-50页 |
| ·本章小结 | 第50-52页 |
| 3 基于重分配谱的微弱特征提取方法 | 第52-80页 |
| ·引言 | 第52-53页 |
| ·魏格纳时频谱与小波尺度谱 | 第53-56页 |
| ·魏格纳分布与魏格纳时频谱 | 第53-54页 |
| ·小波变换与小波尺度谱 | 第54-56页 |
| ·重分配尺度谱的时频分布优化方法研究 | 第56-65页 |
| ·研究现状 | 第56-57页 |
| ·重分配小尺度谱及时间-带宽积优化 | 第57-61页 |
| ·基于SVD 的重分配小波尺度谱降噪 | 第61-62页 |
| ·试验分析与工程应用 | 第62-65页 |
| ·基于重分配时频谱和SVD 的微弱特征提取 | 第65-71页 |
| ·研究现状 | 第65-66页 |
| ·重分配魏格纳时频谱和SVD 降噪 | 第66-67页 |
| ·仿真分析 | 第67-69页 |
| ·应用与比较 | 第69-71页 |
| ·基于最优重分配尺度谱的小波脊线提取方法 | 第71-77页 |
| ·研究现状 | 第71-72页 |
| ·小波脊线提取原理 | 第72-73页 |
| ·基于最优重分配尺度谱的小波脊线提取 | 第73-76页 |
| ·试验信号分析 | 第76-77页 |
| ·本章小结 | 第77-80页 |
| 4 基于形态奇异值分解和 HHT 的微弱特征提取方法 | 第80-100页 |
| ·引言 | 第80-81页 |
| ·形态奇异值分解滤波消噪方法的基本原理 | 第81-82页 |
| ·奇异值分解降噪的基本原理 | 第81页 |
| ·形态滤波的基本原理 | 第81-82页 |
| ·HHT 的基本原理 | 第82-87页 |
| ·本征模态函数 | 第82-84页 |
| ·EMD 的基本原理 | 第84-87页 |
| ·Hilbert 谱和边际谱 | 第87页 |
| ·基于形态奇异值分解和HHT 的微弱特征提取 | 第87-95页 |
| ·噪声对EMD 分解的影响 | 第88-89页 |
| ·形态奇异值分解滤波消噪方法的实现 | 第89-92页 |
| ·基于形态奇异值分解预处理的HHT 分析 | 第92-95页 |
| ·应用实例 | 第95-98页 |
| ·本章小结 | 第98-100页 |
| 5 基于微弱特征提取和遗传优化 SVM 的故障诊断方法 | 第100-122页 |
| ·引言 | 第100-101页 |
| ·小生境遗传算法及其原理 | 第101-105页 |
| ·遗传算法的基本原理及特点 | 第101-102页 |
| ·遗传算法的实现步骤 | 第102-104页 |
| ·小生境遗传算法 | 第104-105页 |
| ·支持向量机分类器 | 第105-109页 |
| ·支持向量机分类的基本原理 | 第106-108页 |
| ·支持向量机的核函数 | 第108-109页 |
| ·支持向量机分类器的类型 | 第109页 |
| ·基于微弱特征提取和SVM 故障诊断方法实现 | 第109-120页 |
| ·微弱故障特征的提取与选择 | 第109-111页 |
| ·SVM 的类型与核函数选择 | 第111-112页 |
| ·基于NGA 的SVM 参数优化 | 第112-114页 |
| ·诊断实例分析 | 第114-120页 |
| ·本章小结 | 第120-122页 |
| 6 非平稳信号微弱特征提取模块的设计与应用 | 第122-138页 |
| ·引言 | 第122页 |
| ·状态监测与故障诊断系统设计 | 第122-125页 |
| ·需求分析 | 第122页 |
| ·系统总体设计 | 第122-124页 |
| ·系统统一构架及界面设计 | 第124-125页 |
| ·非平稳信号微弱特征提取模块设计 | 第125-130页 |
| ·HHT 微弱特征提取模块设计 | 第125-127页 |
| ·小波微弱特征提取模块设计 | 第127-129页 |
| ·谱图微弱特征提取模块设计 | 第129-130页 |
| ·非平稳信号微弱特征提取模块应用 | 第130-137页 |
| ·小波微弱特征提取模块的应用 | 第131-133页 |
| ·HHT 微弱特征提取模块的应用 | 第133-135页 |
| ·谱图微弱特征提取模块的应用 | 第135-137页 |
| ·本章小结 | 第137-138页 |
| 7 结论与展望 | 第138-142页 |
| ·结论 | 第138-140页 |
| ·本文工作总结 | 第138-140页 |
| ·本文主要创新之处 | 第140页 |
| ·研究展望 | 第140-142页 |
| 致谢 | 第142-144页 |
| 参考文献 | 第144-157页 |
| 附录 | 第157-158页 |
| A. 作者在攻读博士学位期间发表的论文目录 | 第157-158页 |
| B. 作者在攻读博士学位期间参加的科研项目 | 第158页 |
