| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题背景及研究意义 | 第11-14页 |
| ·旋转机械故障诊断的背景及研究意义 | 第11-12页 |
| ·旋转机械故障诊断技术的研究内容 | 第12-14页 |
| ·时频分析方法的发展及其在旋转机械故障诊断中的应用 | 第14-16页 |
| ·STFT 的发展及其在旋转机械故障诊断中的应用 | 第14页 |
| ·WVD 的发展及其在旋转机械故障诊断中的应用 | 第14-15页 |
| ·小波变换的发展及其在旋转机械故障诊断中的应用 | 第15页 |
| ·EMD 的发展及其在旋转机械故障诊断中的应用 | 第15-16页 |
| ·HMM 的提出及其在旋转机械故障诊断中的应用 | 第16-17页 |
| ·项目来源及本文研究内容 | 第17-18页 |
| 第2章 基于 DEMD 的时频分析方法 | 第18-29页 |
| ·前言 | 第18页 |
| ·EMD 基本原理及算法研究 | 第18-23页 |
| ·瞬时频率与本征模函数 | 第18-20页 |
| ·EMD 基本原理和算法 | 第20-23页 |
| ·DEMD 的原理与算法 | 第23-27页 |
| ·DEMD 原理 | 第23-24页 |
| ·DEMD 算法 | 第24-26页 |
| ·DEMD 与 EMD 的分解效果对比 | 第26-27页 |
| ·DEMD 的端点效应 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于 HMM 校正与神经网络延拓的 DEMD 端点效应抑制方法 | 第29-41页 |
| ·前言 | 第29页 |
| ·基于神经网络的数据延拓方法 | 第29-30页 |
| ·HMM 模型的基本理论 | 第30-33页 |
| ·马尔可夫链 | 第30-31页 |
| ·HMM 的定义 | 第31-33页 |
| ·基于 HMM 的预测数据校正算法 | 第33-34页 |
| ·HMM 与神经网络预测数据延拓方法结合抑制端点效应 | 第34-36页 |
| ·仿真实验分析 | 第36-40页 |
| ·支撑松动故障动力学模型 | 第36-38页 |
| ·数值仿真 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于 DEMD 与小波渐进半软阈值去噪方法 | 第41-48页 |
| ·前言 | 第41页 |
| ·小波渐进半软阈值去噪方法 | 第41-43页 |
| ·基于 DEMD 与小波渐进半软阈值的去噪方法 | 第43-44页 |
| ·仿真实验分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于 DEMD 和 HMM 的旋转机械故障诊断方法 | 第48-66页 |
| ·前言 | 第48页 |
| ·基于 DEMD 的故障特征提取方法 | 第48-49页 |
| ·基于 DEMD 的瞬时能量特征提取方法 | 第48-49页 |
| ·基于 DEMD 的边际谱故障特征提取方法 | 第49页 |
| ·基于 DEMD-HMM 的单一故障模型识别 | 第49-55页 |
| ·基于 DEMD-HMM 的故障诊断方法 | 第49-50页 |
| ·滚动轴承点蚀故障实验分析 | 第50-55页 |
| ·基于 DEMD 与 HMM 的旋转机械耦合故障诊断 | 第55-65页 |
| ·2D-HMM 基本理论 | 第56-58页 |
| ·基于 DEMD 与 2D-HMM 故障诊断方法 | 第58-59页 |
| ·数值仿真与实验 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
