| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题的目的与意义 | 第8-9页 |
| 1.2 隐马尔科夫模型研究现状 | 第9-11页 |
| 1.3 本课题研究的主要内容及安排 | 第11-12页 |
| 1.3.1 本文主要内容 | 第11页 |
| 1.3.2 本文各章主要安排 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 风机的概述及其振动测试 | 第13-24页 |
| 2.1 风机的概述 | 第13-16页 |
| 2.1.1 风机行业的技术水平 | 第14-15页 |
| 2.1.2 风机结构 | 第15页 |
| 2.1.3 风机的工作原理 | 第15页 |
| 2.1.4 风机系统的技术性能 | 第15-16页 |
| 2.2 测试仪器设备的选取 | 第16-17页 |
| 2.3 测试风机的传感器布置 | 第17-18页 |
| 2.4 eZAnalyst 振动数据初步分析 | 第18-20页 |
| 2.5 时域统计特征量分析 | 第20-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 HMM 的基本理论、算法以及可行性 | 第24-37页 |
| 3.1 HMM 基本概念 | 第24-29页 |
| 3.1.1 Markov 模型 | 第24-25页 |
| 3.1.2 HMM 模型 | 第25-27页 |
| 3.1.3 HMM 的数学模型 | 第27-29页 |
| 3.2 HMM 基本算法 | 第29-34页 |
| 3.3 HMM 模型算法的改进 | 第34-36页 |
| 3.3.1 HMM 初始模型的选取 | 第34页 |
| 3.3.2 三大算法下溢的改进 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于 HMM 的单通道传感振动信号的风机故障诊断 | 第37-53页 |
| 4.1 经验模态分解(EMD) | 第37-38页 |
| 4.2 独立分量分析原理及相关理论 | 第38-50页 |
| 4.2.1 ICA 理论研究与应用现状 | 第38-39页 |
| 4.2.2 ICA 原理与相关理论 | 第39-44页 |
| 4.2.3 ICA 的基本算法 | 第44-50页 |
| 4.3 风机故障诊断实例 | 第50-52页 |
| 4.3.1 ICA 方法的特征提取 | 第50-51页 |
| 4.3.2 实验分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 基于 HMM 的双通道传感器振动信号的风机故障诊断 | 第53-67页 |
| 5.1 矢谱理论概述 | 第53页 |
| 5.2 双通道信息融合的矢谱理论 | 第53-64页 |
| 5.2.1 理论基础 | 第53-61页 |
| 5.2.2 矢量谱的计算方法 | 第61-64页 |
| 5.3 风机故障诊断实例 | 第64-66页 |
| 5.3.1 矢谱-HMM 故障诊断流程 | 第64-65页 |
| 5.3.2 实例分析 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 在学研究成果 | 第72-73页 |
| 附录 A 四阶累积量算法程序 | 第73-75页 |
| 附录 B HMM 训练算法程序 | 第75-77页 |
| 附录 C HMM 识别算法程序 | 第77-78页 |
| 致谢 | 第78页 |