| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 1 绪论 | 第14-31页 |
| 1.1 课题的研究背景与意义 | 第14-15页 |
| 1.2 水电机组振动故障机理 | 第15-19页 |
| 1.3 信号处理与特征提取研究综述 | 第19-23页 |
| 1.4 智能故障诊断方法概述 | 第23-28页 |
| 1.5 本文主要研究内容与结构 | 第28-31页 |
| 2 水电机组振动信号分析及故障诊断理论与方法 | 第31-43页 |
| 2.1 引言 | 第31页 |
| 2.2 基于模态分解的信号分析 | 第31-35页 |
| 2.3 水电机组振动信号时、频域特征提取与选择 | 第35-37页 |
| 2.4 智能故障模式识别方法 | 第37-42页 |
| 2.5 本章小结 | 第42-43页 |
| 3 强背景噪声下水电机组振动信号降噪研究 | 第43-55页 |
| 3.1 引言 | 第43-44页 |
| 3.2 基于二次分解与相关分析的水电机组振动信号降噪 | 第44-48页 |
| 3.3 研究试验与结果分析 | 第48-53页 |
| 3.4 本章小结 | 第53-55页 |
| 4 水电机组非平稳故障特征提取 | 第55-67页 |
| 4.1 引言 | 第55-56页 |
| 4.2 多元自回归模型参数盲辨识 | 第56-57页 |
| 4.3 基于VMD-MAR模型参数盲辨识的非平稳故障特征提取 | 第57-58页 |
| 4.4 工程试验与结果分析 | 第58-65页 |
| 4.5 本章小结 | 第65-67页 |
| 5 水电机组振动故障诊断方法研究 | 第67-82页 |
| 5.1 引言 | 第67-68页 |
| 5.2 基于权重SVDD与模糊自适应阈值决策的故障诊断方法 | 第68-74页 |
| 5.3 研究试验与实例分析 | 第74-80页 |
| 5.4 本章小结 | 第80-82页 |
| 6 水电机组非线性状态趋势预测 | 第82-104页 |
| 6.1 引言 | 第82-83页 |
| 6.2 状态趋势预测的可行性分析 | 第83-84页 |
| 6.3 基于聚合EEMD与SVR的水电机组状态趋势预测 | 第84-91页 |
| 6.4 水电机组状态趋势预测试验 | 第91-102页 |
| 6.5 本章小结 | 第102-104页 |
| 7 全文总结与展望 | 第104-108页 |
| 7.1 全文工作总结 | 第104-106页 |
| 7.2 进一步研究展望 | 第106-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-124页 |
| 附录1：攻读博士期间所发表的论文 | 第124-126页 |
| 附录2：攻读博士期间完成和参与的科研项目 | 第126页 |
