| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 课题来源、背景及意义 | 第7-8页 |
| 1.1.1 课题来源 | 第7页 |
| 1.1.2 课题背景及意义 | 第7-8页 |
| 1.2 课题研究现状 | 第8-11页 |
| 1.2.1 基于图像的印刷机故障诊断的现状 | 第8-9页 |
| 1.2.2 基于振动信号的印刷机故障诊断的现状 | 第9页 |
| 1.2.3 印刷机故障决策方法研究现状 | 第9页 |
| 1.2.4 多传感器融合方法研究现状 | 第9-11页 |
| 1.3 墨辊轴承分析 | 第11-12页 |
| 1.4 论文主要内容 | 第12-15页 |
| 2 故障信号的熵特征获取与评价研究 | 第15-23页 |
| 2.1 常用熵分析故障特征提取方法 | 第15-17页 |
| 2.1.1 样本熵 | 第15-16页 |
| 2.1.2 信息熵 | 第16-17页 |
| 2.2 多源故障信息的双谱熵分析 | 第17-18页 |
| 2.3 模型验证 | 第18-21页 |
| 2.4 本章小结 | 第21-23页 |
| 3 多源特征融合与隐马尔可夫模型 | 第23-35页 |
| 3.1 卡尔曼滤波 | 第23-25页 |
| 3.2 多传感器融合 | 第25页 |
| 3.3 融合多源特征的决策模型研究 | 第25-32页 |
| 3.3.1 马尔可夫链与隐马尔可夫模型 | 第26-28页 |
| 3.3.2 学习、解码与评估 | 第28-30页 |
| 3.3.3 隐马尔可夫模型的分类 | 第30-32页 |
| 3.4 本章小结 | 第32-35页 |
| 4 印刷机墨辊轴承故障诊断研究 | 第35-49页 |
| 4.1 实验条件 | 第35-39页 |
| 4.2 基于振动和声音信号的印刷机墨辊轴承故障诊断 | 第39-46页 |
| 4.3 多源特征融合的印刷机墨辊轴承故障诊断 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文 | 第57页 |