| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 符号和缩略词说明 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究的目的和意义 | 第13-14页 |
| 1.2 国内外相关研究现状和趋势 | 第14-19页 |
| 1.2.1 旋转机械故障监测技术发展现状 | 第14-16页 |
| 1.2.2 旋转机械故障预测技术发展现状 | 第16-19页 |
| 1.3 本论文研究内容和安排 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 时间序列的长相关特性 | 第21-37页 |
| 2.1 长相关过程 | 第21-23页 |
| 2.1.1 长相关数学描述 | 第21-23页 |
| 2.2 自相似过程 | 第23-27页 |
| 2.2.1 自相似现象 | 第23-24页 |
| 2.2.2 自相似数学描述 | 第24-25页 |
| 2.2.3 自相似过程的性质 | 第25-27页 |
| 2.3 长相关特性检测方法的研究 | 第27-31页 |
| 2.4 基于自相关函数的长相关生成算法 | 第31-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 FBM和FARIMA模型特性研究 | 第37-61页 |
| 3.1 分数布朗运动 | 第37-55页 |
| 3.1.1 布朗运动 | 第38-40页 |
| 3.1.2 分数布朗运动的定义和性质 | 第40-44页 |
| 3.1.3 布朗运动和分数布朗运动的区别 | 第44-47页 |
| 3.1.4 分数布朗运动下的随机微分方程 | 第47-50页 |
| 3.1.5 分数布朗运动下的随机模拟 | 第50-53页 |
| 3.1.6 参数估计 | 第53-54页 |
| 3.1.7 分数布朗运动参数收敛性的证明 | 第54-55页 |
| 3.2 FARIMA(p，d，q)模型 | 第55-59页 |
| 3.2.2 FARIMA模型的产生 | 第56-57页 |
| 3.2.3 FARIMA模型仿真验证 | 第57-59页 |
| 3.3 本章小结 | 第59-61页 |
| 第四章 旋转机械设备微弱故障的识别 | 第61-84页 |
| 4.1 峭度 | 第61-64页 |
| 4.2 样本熵 | 第64-67页 |
| 4.3 振动烈度 | 第67-69页 |
| 4.4 包络谱分析 | 第69-71页 |
| 4.5 基于最小熵解卷积的轴承微弱故障的识别 | 第71-74页 |
| 4.5.1 最小熵解卷积原理 | 第71-72页 |
| 4.5.2 最小熵解卷积方法及其实现 | 第72-74页 |
| 4.6 实验分析与验证 | 第74-82页 |
| 4.6.1 轴承故障特征频率 | 第74-75页 |
| 4.6.2 试验结果验证 | 第75-82页 |
| 4.7 本章小结 | 第82-84页 |
| 第五章 长相关模型在旋转机械故障预测中的应用 | 第84-97页 |
| 5.1 实验平台 | 第85-86页 |
| 5.2 实验数据分析 | 第86-89页 |
| 5.3 FARIMA模型的预测仿真 | 第89-94页 |
| 5.4 分数布朗运动模型的预测仿真 | 第94-96页 |
| 5.5 本章小结 | 第96-97页 |
| 第六章 总结与展望 | 第97-99页 |
| 6.1 总结 | 第97-98页 |
| 6.2 展望 | 第98-99页 |
| 参考文献 | 第99-106页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第106-107页 |
| 致谢 | 第107-108页 |