| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-37页 |
| 1.1 课题背景及研究的目的和意义 | 第15-17页 |
| 1.2 相关问题的国内外研究现状 | 第17-33页 |
| 1.2.1 微弱信号处理 | 第17-20页 |
| 1.2.2 故障特征提取与评价 | 第20-23页 |
| 1.2.3 故障特征维数约简与多传感器特征层融合 | 第23-27页 |
| 1.2.4 智能故障模式识别与分类及多传感器决策层融合 | 第27-33页 |
| 1.3 现有研究存在的问题及不足 | 第33-34页 |
| 1.4 本文的主要研究内容 | 第34-37页 |
| 第2章 多频微弱故障信号的特征同步增强 | 第37-62页 |
| 2.1 引言 | 第37-38页 |
| 2.2 基于EWT的多频微弱故障信号自适应分解 | 第38-41页 |
| 2.3 基于自适应参数补偿SR的单分量信号特征增强 | 第41-48页 |
| 2.3.1 SR基本原理及其参数补偿分析 | 第41-43页 |
| 2.3.2 基于改进双层量子遗传算法的自适应SR结构参数优化 | 第43-48页 |
| 2.4 基于EWT-APCSRA的多频微弱信号特征同步增强的实现 | 第48-49页 |
| 2.5 多频微弱信号特征同步增强效果的仿真与实例验证 | 第49-61页 |
| 2.5.1 仿真验证及对比分析 | 第50-55页 |
| 2.5.2 滚动轴承内圈故障振动信号特征同步增强实验验证 | 第55-61页 |
| 2.6 本章小结 | 第61-62页 |
| 第3章 基于多测度最优混合模型的多域多类别故障特征敏感度学习 | 第62-86页 |
| 3.1 引言 | 第62页 |
| 3.2 多分析域多类别故障特征的提取 | 第62-64页 |
| 3.3 故障特征集聚类与分类性能的评价指标 | 第64-66页 |
| 3.3.1 基于KPCA的主元特征的类别散度 | 第64-65页 |
| 3.3.2 基于SVM模型的分类准确率 | 第65-66页 |
| 3.4 基于多测度最优混合模型的故障特征的评价与加权 | 第66-71页 |
| 3.4.1 故障特征的多测度混合评价与加权方案 | 第66-70页 |
| 3.4.2 基于敏感度分值序列变异系数的多测度混合模型的优选 | 第70-71页 |
| 3.5 特征敏感度学习方法有效性的实验验证与对比分析 | 第71-85页 |
| 3.5.1 在滚动轴承故障诊断中的应用实验 | 第72-78页 |
| 3.5.2 在齿轮箱故障诊断中的应用实验 | 第78-84页 |
| 3.5.3 讨论与分析 | 第84-85页 |
| 3.6 本章小结 | 第85-86页 |
| 第4章 基于多传感器特征层融合的旋转机械故障特征维数约简 | 第86-103页 |
| 4.1 引言 | 第86-87页 |
| 4.2 旋转机械多传感器特征层融合故障特征集的二阶张量表达 | 第87-88页 |
| 4.3 基于SSTLPP-AMDM的多传感器特征层融合故障特征维数约简 | 第88-95页 |
| 4.3.1 传统二阶张量局部保持投影(STLPP)算法 | 第88-89页 |
| 4.3.2 基于集成矩阵距离测度的监督二阶张量局部保持投影算法 | 第89-92页 |
| 4.3.3 基于UCI标准数据集的算法性能验证 | 第92-94页 |
| 4.3.4 旋转机械多传感器特征层融合故障特征维数约简的实现 | 第94-95页 |
| 4.4 齿轮箱故障特征维数约简的实验验证与对比分析 | 第95-102页 |
| 4.4.1 实验数据获取 | 第95-96页 |
| 4.4.2 降维效果的直接验证与对比 | 第96-100页 |
| 4.4.3 基于3种典型分类模型的降维特征集分类性能验证与对比 | 第100-102页 |
| 4.5 本章小结 | 第102-103页 |
| 第5章 基于多传感器决策层融合的旋转机械智能故障诊断 | 第103-120页 |
| 5.1 引言 | 第103页 |
| 5.2 基于STM模型的旋转机械多传感器特征层融合故障诊断 | 第103-106页 |
| 5.3 基于KNN-AMDM分类模型的旋转机械多传感器特征层融合故障诊断 | 第106-107页 |
| 5.4 基于D-S证据理论的旋转机械多传感器决策融合故障诊断 | 第107-112页 |
| 5.4.1 D-S证据理论 | 第108-109页 |
| 5.4.2 基于STM分类模型的证据体基本概率分配 | 第109-111页 |
| 5.4.3 基于KNN-AMDM分类算法的证据体基本概率分配 | 第111-112页 |
| 5.4.4 旋转机械多传感器决策融合故障诊断的实现 | 第112页 |
| 5.5 齿轮箱故障诊断实验验证与对比分析 | 第112-119页 |
| 5.5.1 基于多传感器特征层融合的齿轮箱故障特征张量集的获取 | 第113-114页 |
| 5.5.2 初级故障诊断 | 第114-117页 |
| 5.5.3 决策融合故障诊断 | 第117-119页 |
| 5.6 本章小结 | 第119-120页 |
| 第6章 基于多传感器信息融合的旋转机械故障诊断平台的设计与实现 | 第120-140页 |
| 6.1 引言 | 第120页 |
| 6.2 基于工况信息的旋转机械故障振动诊断策略的总体设计 | 第120-122页 |
| 6.3 平台的总体功能设计 | 第122-123页 |
| 6.4 平台的体系结构与功能子系统设计 | 第123-127页 |
| 6.4.1 平台的总体架构 | 第123-125页 |
| 6.4.2 平台中各功能子系统及其接口的设计 | 第125-127页 |
| 6.5 实例应用 | 第127-139页 |
| 6.5.1 应用背景及问题描述 | 第127-130页 |
| 6.5.2 微弱信号特征同步增强检测子系统的应用验证 | 第130-132页 |
| 6.5.3 故障特征综合处理子系统的应用验证 | 第132-135页 |
| 6.5.4 基于多传感器特征层融合的故障局部诊断子系统的应用验证 | 第135-137页 |
| 6.5.5 多传感器决策融合故障诊断子系统的应用验证 | 第137-139页 |
| 6.6 本章小结 | 第139-140页 |
| 结论 | 第140-143页 |
| 参考文献 | 第143-156页 |
| 附录 | 第156-164页 |
| 附录A 水泥生料立磨主减速机轴承故障实例中原始故障特征集数据文档 | 第156-158页 |
| 附录B 水泥生料立磨主减速机轴承故障实例中加权故障特征集数据文档 | 第158-160页 |
| 附录C 水泥生料立磨主减速机轴承故障实例中约简故障特征集数据文档 | 第160-162页 |
| 附录D 水泥生料立磨主减速机轴承故障实例中基本概率分配计算数据文档 | 第162-164页 |
| 攻读博士学位期间发表的论文及其它成果 | 第164-166页 |
| 致谢 | 第166-167页 |
| 个人简历 | 第167页 |
