| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-24页 |
| ·旋转机械故障诊断研究背景及意义 | 第12-14页 |
| ·国内外旋转机械故障诊断研究状况 | 第14-18页 |
| ·故障机理研究状况 | 第14-15页 |
| ·故障特征信息处理方法研究状况 | 第15-18页 |
| ·故障诊断决策方法研究状况 | 第18-21页 |
| ·多传感器信息融合 | 第18-19页 |
| ·神经网络 | 第19-20页 |
| ·遗传算法 | 第20页 |
| ·神经网络与遗传算法结合研究状况 | 第20-21页 |
| ·旋转机械故障诊断的发展趋势 | 第21-22页 |
| ·论文研究内容与结构 | 第22-24页 |
| 第二章 旋转机械故障诊断过程中不确定性及解决方案 | 第24-34页 |
| ·旋转机械故障诊断的问题分析 | 第24-26页 |
| ·旋转机械的故障分类 | 第24-25页 |
| ·复杂旋转机械故障诊断特点 | 第25-26页 |
| ·旋转机械故障诊断中的不确定性分析 | 第26-29页 |
| ·旋转机械故障诊断不确定性产生的必然性 | 第26页 |
| ·旋转机械故障不确定性产生的原因 | 第26-29页 |
| ·旋转机械故障诊断不确定性的解决方案 | 第29-33页 |
| ·旋转机械故障诊断不确定性的处理原则 | 第29-30页 |
| ·旋转机械故障诊断不确定性推理方法 | 第30-33页 |
| ·小结 | 第33-34页 |
| 第三章 旋转机械振动信号小波降噪方法的研究 | 第34-51页 |
| ·小波变换数学基础 | 第34-37页 |
| ·小波定义 | 第34-35页 |
| ·离散化与框架 | 第35页 |
| ·多分辨率分析 | 第35-36页 |
| ·离散小波分解与重构 | 第36-37页 |
| ·小波滤波降噪方法研究 | 第37-46页 |
| ·小波滤波降噪方法 | 第37-45页 |
| ·三种小波降噪的性能比较 | 第45-46页 |
| ·旋转机械故障信号小波阈值降噪及分析 | 第46-50页 |
| ·小结 | 第50-51页 |
| 第四章 旋转机械故障信息独立化提取研究 | 第51-80页 |
| ·旋转机械信号混合方式的描述 | 第51-52页 |
| ·混合信号的分离方法 | 第52-55页 |
| ·ICA理论及其实现 | 第55-62页 |
| ·ICA数学模型 | 第55页 |
| ·负熵的概念 | 第55-56页 |
| ·FastICA算法及分离过程 | 第56-62页 |
| ·EMD分解法研究 | 第62-69页 |
| ·信号的瞬时频率 | 第62页 |
| ·本征模函数 | 第62-63页 |
| ·EMD分解流程 | 第63-69页 |
| ·基于EMD和FastICA阈值法的旋转机械故障特征提取 | 第69-79页 |
| ·小结 | 第79-80页 |
| 第五章 基于遗传神经网络旋转机械故障诊断方法 | 第80-111页 |
| ·神经网络结构和算法 | 第80-88页 |
| ·神经网络基本描述 | 第80页 |
| ·BP神经网络算法 | 第80-84页 |
| ·BP神经网络算法不足 | 第84-85页 |
| ·BP神经网络算法的改进措施 | 第85-87页 |
| ·BP神经网络的设计与分析 | 第87-88页 |
| ·遗传算法的基本原理 | 第88-101页 |
| ·遗传算法的构成 | 第88-98页 |
| ·遗传算法的应用步骤 | 第98-99页 |
| ·遗传算法的仿真 | 第99-101页 |
| ·旋转机械的FastICA遗传神经网络算法研究 | 第101-110页 |
| ·FastICA遗传神经网络算法原理 | 第101-102页 |
| ·源信号各个独立分量估计计算 | 第102页 |
| ·遗传算法优化的BP神经网络流程 | 第102-103页 |
| ·旋转机械的FastICA遗传神经网络算法故障诊断的研究 | 第103-110页 |
| ·小结 | 第110-111页 |
| 第六章 旋转机械多路传感器信息融合研究 | 第111-129页 |
| ·多传感器信息融合基本原理和层次结构 | 第111-114页 |
| ·多传感器信息融合基本原理 | 第111页 |
| ·多传感器信息融合层次结构 | 第111-113页 |
| ·多传感器信息融合算法 | 第113-114页 |
| ·旋转机械多路传感器信息融合的特点 | 第114-115页 |
| ·基于D-S证据理论的决策级融合旋转机械故障诊断方法研究 | 第115-124页 |
| ·D-S证据理论的基本概念 | 第115-117页 |
| ·多判据证据组合规则 | 第117-124页 |
| ·基于伪证据识别的D-S旋转机械融合诊断实例分析 | 第124-128页 |
| ·多路传感器旋转机械故障诊断识别框架 | 第125-126页 |
| ·基于伪证据识别的D-S组合规则在旋转机械故障诊断中应用 | 第126-128页 |
| ·小结 | 第128-129页 |
| 第七章 总结与展望 | 第129-131页 |
| ·论文的工作总结 | 第129-130页 |
| ·论文的创新点 | 第130页 |
| ·展望 | 第130-131页 |
| 参考文献 | 第131-145页 |
| 在读期间发表的学术论文与取得的研究成果 | 第145-146页 |
| 致谢 | 第146-147页 |
| 作者简介 | 第147页 |
