| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 状态监测与诊断技术的选题意义和研究内容 | 第12-16页 |
| 1.1.1 选题意义 | 第12-13页 |
| 1.1.2 基于特征信息提取的机械设备状态监测与故障诊断 | 第13-14页 |
| 1.1.3 流形特征增强的特征信息提取 | 第14-16页 |
| 1.2 流形学习概述 | 第16-21页 |
| 1.2.1 非线性流形学习 | 第16-19页 |
| 1.2.1.1 LLE | 第17-18页 |
| 1.2.1.2 LTSA | 第18-19页 |
| 1.2.2 线性流形学习 | 第19-21页 |
| 1.2.2.1 LPP | 第19-20页 |
| 1.2.2.2 LGPCA | 第20-21页 |
| 1.3 流形特征增强在状态监测与故障诊断中的研究现状与发展 | 第21-23页 |
| 1.4 论文的主要研究工作 | 第23-28页 |
| 1.4.1 主要研究内容与技术路线 | 第23-24页 |
| 1.4.2 创新点 | 第24-25页 |
| 1.4.3 内容结构安排 | 第25-28页 |
| 第2章 参照化流形空间聚类的状态监测研究 | 第28-60页 |
| 2.1 引言 | 第28页 |
| 2.2 参照化流形空间聚类 | 第28-29页 |
| 2.3 特征参照化流形空间聚类 | 第29-43页 |
| 2.3.1 参照化流形空间学习 | 第30-34页 |
| 2.3.1.1 原始特征构造 | 第30-31页 |
| 2.3.1.2 参照化流形学习 | 第31页 |
| 2.3.1.3 空间聚类控制图 | 第31-33页 |
| 2.3.1.4 基于SGM的空间聚类控制图 | 第33-34页 |
| 2.3.2 实验验证 | 第34-43页 |
| 2.3.2.1 监测曲线单调性估计 | 第34-35页 |
| 2.3.2.2 实验数据描述 | 第35-36页 |
| 2.3.2.3 基于SGM的流形聚类控制图 | 第36-43页 |
| 2.3.3 小结与讨论 | 第43页 |
| 2.4 无特征参照化流形空间聚类 | 第43-58页 |
| 2.4.1 无特征参照化流形学习 | 第44-49页 |
| 2.4.1.1 协方差Hankel矩阵 | 第45-46页 |
| 2.4.1.2 线性流形学习 | 第46-47页 |
| 2.4.1.3 格拉斯曼流形 | 第47-48页 |
| 2.4.1.4 流形基空间聚类 | 第48-49页 |
| 2.3.1.5 基于CUSUM的空间聚类控制图 | 第49页 |
| 2.4.2 实验验证 | 第49-58页 |
| 2.4.2.1 设备状态异常检测 | 第50-54页 |
| 2.4.2.2 设备状态退化评估 | 第54-58页 |
| 2.4.3 小结与讨论 | 第58页 |
| 2.5 本章小结 | 第58-60页 |
| 第3章 深度化流形特征增强的模式识别研究 | 第60-78页 |
| 3.1 引言 | 第60-61页 |
| 3.2 深度化流形特征增强学习 | 第61-66页 |
| 3.2.0 原始特征集构造 | 第62-64页 |
| 3.2.1 线性流形学习 | 第64页 |
| 3.2.2 比对模型融合再学习 | 第64-66页 |
| 3.3 实验验证 | 第66-77页 |
| 3.3.1 实验数据描述 | 第66-67页 |
| 3.3.2 基于健康数据的比对模型分析 | 第67-69页 |
| 3.3.3 基于LPP-LPP的FFMRM特征增强聚类分析 | 第69-73页 |
| 3.3.4 基于LGPCA-LPP的改进型FFMRM特征增强聚类分析 | 第73-74页 |
| 3.3.5 故障特征聚类定量分析 | 第74-75页 |
| 3.3.6 故障特征模式识别分析 | 第75-77页 |
| 3.4 小结与讨论 | 第77-78页 |
| 第4章 稀疏化流形模态学习的信号诊断研究 | 第78-117页 |
| 4.1 引言 | 第78页 |
| 4.2 稀疏化流形原理分析 | 第78-85页 |
| 4.2.1 时频流形非线性特征学习 | 第78-82页 |
| 4.2.2 瞬态信号的时频稀疏重构 | 第82-85页 |
| 4.3 时频流形稀疏重构的去噪分析 | 第85-100页 |
| 4.3.1 时频流形稀疏重构算法原理 | 第85-89页 |
| 4.3.1.1 时频字典匹配追踪 | 第85-87页 |
| 4.3.1.2 时域信号稀疏合成 | 第87页 |
| 4.3.1.3 稀疏化时频流形重构 | 第87-89页 |
| 4.3.2 实验验证 | 第89-100页 |
| 4.3.2.1 联合时频熵 | 第90页 |
| 4.3.2.2 实验验证一: 凯斯西储故障轴承振动数据 | 第90-96页 |
| 4.3.2.3 实验验证二: 自制火车故障轴承静态声音数据 | 第96-100页 |
| 4.3.3 小结与讨论 | 第100页 |
| 4.4 时频流形移不变稀疏的去噪分析 | 第100-115页 |
| 4.4.1 时频流形移不变稀疏算法原理 | 第100-109页 |
| 4.4.1.1 稀疏编码 | 第100-102页 |
| 4.4.1.2 移不变稀疏编码 | 第102页 |
| 4.4.1.3 基于相位保持的时频流形移不变稀疏 | 第102-109页 |
| 4.4.2 实验验证 | 第109-112页 |
| 4.4.2.1 实验验证一: 凯斯西储故障轴承振动数据 | 第109-111页 |
| 4.4.2.2 实验验证二: 自制故障轴承声音数据 | 第111-112页 |
| 4.4.3 时频流形基函数窗长优化问题 | 第112-115页 |
| 4.4.4 小结与讨论 | 第115页 |
| 4.5 本章小结 | 第115-117页 |
| 第5章 全文总结与展望 | 第117-120页 |
| 5.1 全文总结 | 第117-118页 |
| 5.2 展望 | 第118-120页 |
| 参考文献 | 第120-130页 |
| 致谢 | 第130-132页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第132-133页 |
