| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 课题来源 | 第14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 稀疏表征研究现状 | 第14-15页 |
| 1.3.2 压缩感知重构算法研究现状 | 第15-16页 |
| 1.3.3 机械故障诊断研究现状 | 第16-17页 |
| 1.4 研究内容与论文结构 | 第17-21页 |
| 1.4.1 本文研究内容 | 第17-18页 |
| 1.4.2 论文结构 | 第18-21页 |
| 第二章 字典在轴承故障振动信号稀疏表示中的应用 | 第21-39页 |
| 2.1 基和框架 | 第21-22页 |
| 2.2 分析字典 | 第22-29页 |
| 2.2.1 傅里叶字典与小波字典 | 第22-23页 |
| 2.2.2 分析字典在轴承振动信号稀疏表示中的应用 | 第23-29页 |
| 2.3 学习字典 | 第29-37页 |
| 2.3.1 MOD算法 | 第29-30页 |
| 2.3.2 K-SVD算法 | 第30-31页 |
| 2.3.3 学习字典在轴承振动信号稀疏表示中的应用 | 第31-37页 |
| 2.4 参数化字典 | 第37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 轴承故障振动信号的稀疏度估计方法研究 | 第39-51页 |
| 3.1 稀疏度在压缩感知重构算法中的重要性 | 第39-40页 |
| 3.1.1 稀疏度的定义 | 第39-40页 |
| 3.1.2 稀疏度在重构算法中的意义 | 第40页 |
| 3.2 稀疏度估计方法 | 第40-47页 |
| 3.2.1 基于压缩感知重构算法的稀疏度估计方法 | 第40-41页 |
| 3.2.2 基于奇异值分解算法的稀疏度估计方法 | 第41页 |
| 3.2.3 实验验证 | 第41-47页 |
| 3.3 改进的基于奇异值分解算法的稀疏度估计方法 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于信号空间的振动信号压缩感知重构算法研究 | 第51-69页 |
| 4.1 压缩感知重构算法 | 第51-54页 |
| 4.1.1 匹配追踪(Matching Pursuit)算法 | 第51-53页 |
| 4.1.2 正交匹配追踪(Orthogonal Matching Pursuit)算法 | 第53页 |
| 4.1.3 压缩采样匹配追踪(CoSaMP)算法 | 第53-54页 |
| 4.2 改进的压缩感知重构算法及其在机械故障诊断中的应用 | 第54-67页 |
| 4.2.1 基于信号空间的正交匹配追踪算法(SSOMP) | 第55-56页 |
| 4.2.2 改进的OMP算法(SSOMP)在轴承故障诊断中的应用 | 第56-61页 |
| 4.2.3 基于信号空间的压缩匹配追踪算法(SSCoSaMP) | 第61-62页 |
| 4.2.4 改进的压缩采样匹配追踪算法(SSCoSaMP)在轴承故障诊断中的应用 | 第62-67页 |
| 4.3 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 研究成果及发表的学术论文 | 第77-79页 |
| 作者和导师简介 | 第79-81页 |
| 附录 | 第81-82页 |
