| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题的背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 故障诊断技术的发展历史概况 | 第12-14页 |
| 1.3 旋转机械的复合故障诊断技术 | 第14-16页 |
| 1.3.1 复合故障的主要特征 | 第14页 |
| 1.3.2 复合故障诊断的主要方法 | 第14-16页 |
| 1.4 本文所开展的主要工作 | 第16-19页 |
| 第二章 旋转机械故障诊断的诊断原理及方法 | 第19-29页 |
| 2.1 旋转机械振动的动力学特征 | 第19-20页 |
| 2.1.1 转子特性 | 第19-20页 |
| 2.2 典型故障的分类 | 第20-23页 |
| 2.2.1 转子不平衡 | 第20页 |
| 2.2.2 转轴不对中 | 第20-21页 |
| 2.2.3 转子弯曲 | 第21页 |
| 2.2.4 转轴裂纹 | 第21-22页 |
| 2.2.5 齿轮箱故障 | 第22页 |
| 2.2.6 其他典型故障 | 第22-23页 |
| 2.3 振动诊断的前期工作 | 第23-27页 |
| 2.3.1 振动测量点的选择 | 第23-24页 |
| 2.3.2 振动信号数据的采集 | 第24页 |
| 2.3.3 振动信号的分析与特征提取 | 第24-27页 |
| 2.4 状态识别及诊断决策 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 人工免疫在故障诊断中的应用 | 第29-39页 |
| 3.1 生物免疫系统概述 | 第29-30页 |
| 3.2 生物免疫系统的典型特征 | 第30-31页 |
| 3.3 人工免疫系统模型及典型应用 | 第31-32页 |
| 3.3.1 人工免疫系统的经典模型 | 第31页 |
| 3.3.2 人工免疫系统的在各领域的应用 | 第31-32页 |
| 3.4 人工免疫算法 | 第32-35页 |
| 3.5 免疫检测器的生成及训练 | 第35-37页 |
| 3.5.1 检测器编码 | 第35-36页 |
| 3.5.2 免疫检测器的生成 | 第36页 |
| 3.5.3 免疫检测器的训练 | 第36-37页 |
| 3.6 阴性选择算法的改进算法 | 第37页 |
| 3.7 基于人工免疫的故障诊断系统基本框架 | 第37-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第四章 基于证据理论的故障诊断方法 | 第39-51页 |
| 4.1 证据理论发展概述 | 第39-43页 |
| 4.1.1 改进证据理论在复合故障诊断中的应用 | 第40-41页 |
| 4.1.2 证据理论与神经网络相结合在故障诊断中的应用 | 第41-42页 |
| 4.1.3 证据理论与其他方法相结合 | 第42-43页 |
| 4.2 证据理论的组合规则 | 第43-46页 |
| 4.2.1 证据理论的基本概念 | 第43-44页 |
| 4.2.2 组合规则 | 第44-45页 |
| 4.2.3 扩展证据理论 | 第45-46页 |
| 4.3 加权证据理论 | 第46页 |
| 4.4 证据理论的信息融合 | 第46-49页 |
| 4.4.1 多传感器信息融合 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 证据理论与人工免疫集成方法在故障诊断中的应用 | 第51-67页 |
| 5.1 新无量纲指标的构建 | 第51-53页 |
| 5.1.1 新无量纲指标构建的理论依据 | 第52-53页 |
| 5.1.2 构建新无量纲指标的方法 | 第53页 |
| 5.2 无量纲免疫检测器的生成 | 第53-61页 |
| 5.2.1 实验条件和原始数据的获取 | 第55-59页 |
| 5.2.2 集成诊断方法 | 第59-61页 |
| 5.3 实验过程及结论 | 第61-65页 |
| 5.3.1 实验过程 | 第61-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间发表的学术论文目录 | 第77页 |
| 攻读硕士学位期间参加的科研项目 | 第77页 |