| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 目录 | 第10-13页 |
| 1 绪论 | 第13-25页 |
| 1.1 机械故障诊断研究的目的和意义 | 第13-14页 |
| 1.2 机械故障诊断研究的国内外现状 | 第14-20页 |
| 1.2.1 机械故障机理研究 | 第14-15页 |
| 1.2.2 振动信号分析与处理方法研究 | 第15-18页 |
| 1.2.3 智能诊断方法研究 | 第18-19页 |
| 1.2.4 故障诊断设备和系统的开发 | 第19-20页 |
| 1.3 偏微分方程技术 | 第20-21页 |
| 1.4 本文主要研究内容和章节安排 | 第21-25页 |
| 2 偏微分方程的基本理论 | 第25-35页 |
| 2.1 偏微分方程在图像处理中的应用 | 第25-28页 |
| 2.1.1 热扩散方程 | 第25-26页 |
| 2.1.2 P-M各向异性扩散模型 | 第26-27页 |
| 2.1.3 全变分模型 | 第27页 |
| 2.1.4 高阶偏微分模型 | 第27-28页 |
| 2.2 定解条件 | 第28-29页 |
| 2.3 有限差分法 | 第29-30页 |
| 2.4 偏微分方程的数值计算方案 | 第30-31页 |
| 2.5 变分原理和梯度下降流 | 第31-33页 |
| 2.5.1 变分原理 | 第31-33页 |
| 2.5.2 梯度下降流 | 第33页 |
| 2.6 本章小结 | 第33-35页 |
| 3 基于自适应梯度阈值P-M模型和关联维数的转子系统故障诊断研究 | 第35-55页 |
| 3.1 转子系统故障机理及振动信号特征 | 第35-40页 |
| 3.1.1 不平衡 | 第35-36页 |
| 3.1.2 不对中 | 第36-38页 |
| 3.1.3 碰摩 | 第38页 |
| 3.1.4 松动 | 第38-40页 |
| 3.2 P-M扩散模型及其改进 | 第40-45页 |
| 3.2.1 P-M扩散方程及其局限性 | 第40-43页 |
| 3.2.2 改进的梯度阈值选择方案 | 第43-44页 |
| 3.2.3 迭代停止准则及其改进 | 第44页 |
| 3.2.4 算法的数值实现 | 第44-45页 |
| 3.3 时间序列关联维数的计算 | 第45-46页 |
| 3.4 实验验证 | 第46-53页 |
| 3.4.1 仿真信号测试 | 第46-49页 |
| 3.4.2 实测转子信号验证 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 4 基于偏微分方程理论框架下的局域均值分解和排列熵的齿轮故障诊断研究 | 第55-71页 |
| 4.1 齿轮典型故障的机理与振动信号特征 | 第55-58页 |
| 4.1.1 齿轮振动机理分析 | 第55-56页 |
| 4.1.2 齿轮振动响应及故障调制机理 | 第56-57页 |
| 4.1.3 齿轮典型故障信号特征 | 第57-58页 |
| 4.2 原始LMD算法描述及其缺陷 | 第58-60页 |
| 4.3 偏微分方程理论框架下的LMD算法 | 第60-65页 |
| 4.3.1 求取信号包络线的PDE模型 | 第60-63页 |
| 4.3.2 PDE-LMD算法及仿真验证 | 第63-65页 |
| 4.4 排列熵算法 | 第65-66页 |
| 4.5 PDE-LMD与排列熵在齿轮故障诊断中的应用 | 第66-69页 |
| 4.5.1 诊断流程 | 第66页 |
| 4.5.2 实例分析 | 第66-69页 |
| 4.6 本章小结 | 第69-71页 |
| 5 基于偏微分方程图像分解技术的滚动轴承故障诊断 | 第71-87页 |
| 5.1 滚动轴承故障故障机理及特征 | 第71-74页 |
| 5.1.1 滚动轴承故障机理 | 第71-72页 |
| 5.1.2 滚动轴承故障信号特点与特征频率 | 第72-73页 |
| 5.1.3 滚动轴承典型故障的振动特征 | 第73-74页 |
| 5.2 图像纹理特征表示 | 第74-75页 |
| 5.3 基于全变分的图像分解技术 | 第75-79页 |
| 5.3.1 VO图像分解模型 | 第75-78页 |
| 5.3.2 模型的数值实现 | 第78-79页 |
| 5.4 基于VO图像分解和灰度共生矩阵的滚动轴承故障诊断 | 第79-85页 |
| 5.4.1 诊断流程 | 第79页 |
| 5.4.2 实例分析 | 第79-85页 |
| 5.5 本章小结 | 第85-87页 |
| 6 基于偏微分方程降噪和形态分量分析的齿轮箱复合故障诊断研究 | 第87-95页 |
| 6.1 形态分量分析 | 第87-89页 |
| 6.2 基于偏微分降噪和MCA的齿轮箱复合故障诊断 | 第89-93页 |
| 6.2.1 诊断流程 | 第89页 |
| 6.2.2 实例分析 | 第89-93页 |
| 6.3 本章小结 | 第93-95页 |
| 7 总结与展望 | 第95-99页 |
| 7.1 总结 | 第95-96页 |
| 7.2 创新点 | 第96页 |
| 7.3 研究展望 | 第96-99页 |
| 参考文献 | 第99-111页 |
| 攻读博士学位期间发表的论文和参与的课题 | 第111-112页 |
