| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及研究意义 | 第11页 |
| 1.2 机械故障诊断技术的发展及研究 | 第11-12页 |
| 1.3 盲源分离技术 | 第12-15页 |
| 1.3.1 盲源分离的发展及其研究 | 第12-13页 |
| 1.3.2 盲源分离的应用 | 第13-15页 |
| 1.4 本文研究的内容 | 第15-16页 |
| 第2章 滚动轴承典型故障机理与时频分析方法 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 滚动轴承的故障机理 | 第16-21页 |
| 2.2.1 滚动轴承的基本振动信号特征 | 第16-17页 |
| 2.2.2 滚动轴承故障的失效形式 | 第17-20页 |
| 2.2.3 滚动轴承的频率特性 | 第20-21页 |
| 2.2.4 滚动轴承的频段成份特点 | 第21页 |
| 2.3 滚动轴承中常见的时频分析方法 | 第21-25页 |
| 2.3.1 短时傅里叶变换 | 第21-22页 |
| 2.3.2 包络分析法 | 第22页 |
| 2.3.3 Wigner-Ville分布 | 第22-23页 |
| 2.3.4 Hilbert-Huang时频分析 | 第23页 |
| 2.3.5 小波变换 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 盲源分离基础理论与算法 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 盲源分离的基本理论 | 第26-29页 |
| 3.2.1 盲源分离的数学模型 | 第26-28页 |
| 3.2.2 盲源分离的基本假设 | 第28页 |
| 3.2.3 盲源分离的不确定性 | 第28-29页 |
| 3.3 盲源分离的预处理方法 | 第29-30页 |
| 3.3.1 去均值 | 第29-30页 |
| 3.3.2 白化处理 | 第30页 |
| 3.4 盲源分离的独立性判据 | 第30-33页 |
| 3.4.1 非高斯性准则 | 第30-31页 |
| 3.4.2 信息论准则 | 第31-33页 |
| 3.4.3 基于高阶统计量 | 第33页 |
| 3.5 典型的盲源分离算法 | 第33-35页 |
| 3.5.1 基于四阶累积量的特征矩阵联合对角化算法 | 第33-34页 |
| 3.5.2 基于固定点迭代的快速神经算法 | 第34页 |
| 3.5.3 最大熵算法 | 第34-35页 |
| 3.6 盲源分离的性能评价指标 | 第35-36页 |
| 3.6.1 PI性能指数 | 第35页 |
| 3.6.2 相似系数 | 第35-36页 |
| 3.6.3 信噪比 | 第36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于小波半软阈值和盲源分离的滚动轴承故障特征提取 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 小波阈值消噪原理 | 第37-38页 |
| 4.3 阈值选择 | 第38-39页 |
| 4.4 阈值处理函数 | 第39-42页 |
| 4.4.1 小波软阈值消噪 | 第39-40页 |
| 4.4.2 小波硬阈值消噪 | 第40页 |
| 4.4.3 小波半软阈值消噪 | 第40-41页 |
| 4.4.4 三种阈值处理函数消噪方法的比较 | 第41-42页 |
| 4.5 基于小波半软阈值消噪的盲源分离方法 | 第42-43页 |
| 4.6 仿真研究 | 第43-46页 |
| 4.7 机械故障信号分析实例 | 第46-47页 |
| 4.8 本章小结 | 第47-48页 |
| 第5章 基于变分模态分解的欠定盲源分离的方法研究 | 第48-57页 |
| 5.1 引言 | 第48页 |
| 5.2 变分模态分解 | 第48-52页 |
| 5.2.1 变分模态分解简介 | 第48-49页 |
| 5.2.2 VMD的原理 | 第49-50页 |
| 5.2.3 VMD方法对信号的分解 | 第50-52页 |
| 5.3 基于VMD的欠定盲源分离方法 | 第52-55页 |
| 5.3.1 方法实现 | 第52页 |
| 5.3.2 仿真分析 | 第52-55页 |
| 5.4 单通道滚动轴承故障信号的盲源分离实例 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65页 |