| 中 文 摘 要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-11页 |
| ·课题的目的和意义 | 第8-9页 |
| ·本文所做的工作 | 第9-11页 |
| 第二章 数学形态学 | 第11-19页 |
| ·数学形态学的基本运算 | 第11-12页 |
| ·数学形态学各基本运算的代数性质 | 第12-15页 |
| ·腐蚀和膨胀的代数性质 | 第12-14页 |
| ·开启和闭合的代数性质 | 第14-15页 |
| ·结构元素 | 第15-19页 |
| 第三章 形态谱 | 第19-29页 |
| ·数学形态学形态谱 | 第19-22页 |
| ·概念及定义 | 第19-20页 |
| ·性质 | 第20-21页 |
| ·实验结果 | 第21-22页 |
| ·归一化形态谱 | 第22-29页 |
| ·性质 | 第23-26页 |
| ·实验结果 | 第26-29页 |
| 第四章 相对矩 | 第29-36页 |
| ·HU 的不变矩 | 第29-30页 |
| ·CHEN 矩 | 第30页 |
| ·相对矩 | 第30-36页 |
| ·相对矩定义 | 第31-33页 |
| ·实验结果 | 第33-36页 |
| 第五章 基于极半径函数的傅里叶子 | 第36-42页 |
| ·基于极半径函数的傅里叶子（简称FDPR 法） | 第36-39页 |
| ·定义 | 第36-38页 |
| ·实验结果 | 第38-39页 |
| ·形状特征 | 第39-42页 |
| 第六章 基于人工神经网络的轴心轨迹自动识别 | 第42-49页 |
| ·人工神经网络 | 第42-44页 |
| ·概述 | 第42-43页 |
| ·结构及类型 | 第43-44页 |
| ·特性 | 第44页 |
| ·BP 网络 | 第44-49页 |
| ·结构 | 第44-45页 |
| ·BP 网络的学习及工作规则 | 第45-47页 |
| ·BP 算法的改进 | 第47-49页 |
| 第七章 基于BP 网络的轴心轨迹的自动识别及故障诊断 | 第49-62页 |
| ·轴心轨迹图 | 第49-52页 |
| ·轴心轨迹图的获得 | 第49页 |
| ·轴心轨迹图与故障间的对应关系 | 第49-50页 |
| ·轴心轨迹的提纯 | 第50-52页 |
| ·仿真实验 | 第52-59页 |
| ·轴心轨迹的分类识别 | 第52-55页 |
| ·轴心轨迹的自动识别 | 第55-59页 |
| ·轴心轨迹图在故障诊断中的应用 | 第59-61页 |
| ·总结和展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 硕士期间发表论文 | 第66-67页 |
| 中文详细摘要 | 第67-69页 |