| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·转子系统故障诊断的背景和意义 | 第11-12页 |
| ·转子系统故障诊断技术研究的主要内容和发展概况 | 第12-15页 |
| ·故障机理研究 | 第13-14页 |
| ·故障信息处理技术 | 第14页 |
| ·故障的诊断识别 | 第14-15页 |
| ·本文主要研究内容与各章节安排 | 第15-17页 |
| 第2章 转子系统的故障机理及其诊断技术 | 第17-29页 |
| ·概述 | 第17页 |
| ·转子系统的故障机理 | 第17-21页 |
| ·转子不平衡故障机理 | 第17-18页 |
| ·转子不对中故障机理 | 第18-20页 |
| ·转子碰磨的故障机理 | 第20-21页 |
| ·转子油膜涡动与油膜振荡故障机理 | 第21页 |
| ·转子系统的故障诊断技术 | 第21-28页 |
| ·转子系统故障的时域诊断方法 | 第22-24页 |
| ·转子系统故障的频域诊断方法 | 第24-26页 |
| ·转子系统故障的时频分析诊断方法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于LMD 的特征参数提取方法在转子系统故障诊断中的应用 | 第29-50页 |
| ·概述 | 第29页 |
| ·局部均值分解法理论 | 第29-32页 |
| ·基于LMD 和BP 神经网络的转子系统故障诊断方法 | 第32-41页 |
| ·BP 神经网络 | 第32-35页 |
| ·基于LMD 和BP 神经网络的故障诊断方法 | 第35-38页 |
| ·转子系统故障模拟实验 | 第38-39页 |
| ·实例分析 | 第39-41页 |
| ·基于LMD 和AR 模型的转子系统故障诊断方法 | 第41-48页 |
| ·AR 模型 | 第42-45页 |
| ·振动信号AR 建模 | 第45页 |
| ·基于LMD 和AR 模型的转子系统故障诊断方法 | 第45-46页 |
| ·实例分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 基于改进的 LMD 和奇异值分解的转子系统故障诊断方法 | 第50-58页 |
| ·概述 | 第50页 |
| ·改进的LMD 方法 | 第50-54页 |
| ·小波包分解 | 第50-52页 |
| ·LMD 的改进 | 第52-54页 |
| ·基于改进的LMD 方法和奇异值的转子系统故障诊断方法 | 第54-56页 |
| ·奇异值分解 | 第54-55页 |
| ·基于改进的LMD 和奇异值分解的转子系统故障诊断方法 | 第55-56页 |
| ·实例分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于改进的 LMD 和时频熵相结合的转子系统故障诊断方法 | 第58-64页 |
| ·概述 | 第58页 |
| ·信息熵理论 | 第58-59页 |
| ·基于改进的LMD 方法的时频熵的转子系统故障诊断方法 | 第59-62页 |
| ·实例分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间发表和录用的论文目录 | 第71页 |
