| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第17-28页 |
| 1.1 课题研究的背景和意义 | 第17页 |
| 1.2 图谱理论介绍 | 第17-19页 |
| 1.3 齿轮箱故障诊断技术的研究现状 | 第19-24页 |
| 1.3.1 特征提取方法 | 第19-21页 |
| 1.3.2 特征选择方法 | 第21-23页 |
| 1.3.3 模式识别方法 | 第23-24页 |
| 1.4 研究思路与主要研究内容 | 第24-28页 |
| 1.4.1 研究思路 | 第24-25页 |
| 1.4.2 研究内容和章节安排 | 第25-28页 |
| 第2章 图谱理论与图傅里叶变换 | 第28-42页 |
| 2.1 引言 | 第28页 |
| 2.2 图的基本概念 | 第28-30页 |
| 2.3 图谱理论简介 | 第30页 |
| 2.4 拉普拉斯分值（LS）和监督拉普拉斯分值（SLS） | 第30-32页 |
| 2.4.1 拉普拉斯分值（LS） | 第30-32页 |
| 2.4.2 监督拉普拉斯分值（SLS） | 第32页 |
| 2.5 拉普拉斯特征向量相关谱 | 第32-34页 |
| 2.6 拉普拉斯能量（LE） | 第34-35页 |
| 2.7 图傅里叶变换（GFT） | 第35-41页 |
| 2.7.1 GFT简介 | 第35-36页 |
| 2.7.2 路图信号的特征向量分析 | 第36-38页 |
| 2.7.3 路图信号的GFT分析 | 第38-41页 |
| 2.8 本章小结 | 第41-42页 |
| 第3章 基于近邻图拉普拉斯矩阵的特征选择方法 | 第42-56页 |
| 3.1 引言 | 第42页 |
| 3.2 基于拉普拉斯分值（LS）和模糊C均值聚类（FCM）的滚动轴承故障诊断 | 第42-50页 |
| 3.2.1 故障诊断原理 | 第42-43页 |
| 3.2.2 特征量的提取 | 第43-44页 |
| 3.2.3 模糊C均值聚类（FCM）算法 | 第44-47页 |
| 3.2.4 故障诊断方法 | 第47页 |
| 3.2.5 应用实例 | 第47-50页 |
| 3.3 基于监督拉普拉斯分值（SLS）和主元分析（PCA）的滚动轴承故障诊断 | 第50-55页 |
| 3.3.1 故障诊断原理 | 第50页 |
| 3.3.2 主元分析（PCA）算法 | 第50-51页 |
| 3.3.3 故障诊断方法 | 第51页 |
| 3.3.4 应用实例 | 第51-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第4章 基于近邻图拉普拉斯矩阵的模式识别方法 | 第56-63页 |
| 4.1 引言 | 第56页 |
| 4.2 基于拉普拉斯特征向量相关谱的滚动轴承故障诊断方法 | 第56-59页 |
| 4.2.1 故障诊断原理 | 第56-57页 |
| 4.2.2 特征量的提取 | 第57-58页 |
| 4.2.3 故障诊断方法 | 第58-59页 |
| 4.3 应用实例 | 第59-62页 |
| 4.3.1 滚动轴承故障识别 | 第59-60页 |
| 4.3.2 不同故障程度的内圈故障识别 | 第60-61页 |
| 4.3.3 讨论 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 基于路图拉普拉斯矩阵的特征提取方法 | 第63-71页 |
| 5.1 引言 | 第63页 |
| 5.2 基于拉普拉斯能量（LE）和马氏距离（MD）的滚动轴承故障诊断方法 | 第63-65页 |
| 5.2.1 故障诊断原理 | 第63页 |
| 5.2.2 马氏距离（MD） | 第63-64页 |
| 5.2.3 故障诊断方法 | 第64-65页 |
| 5.3 应用实例 | 第65-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 基于路图GFT的特征提取方法 | 第71-78页 |
| 6.1 引言 | 第71页 |
| 6.2 基于GFT特征提取的滚动轴承故障诊断方法 | 第71-74页 |
| 6.2.1 故障诊断原理 | 第71页 |
| 6.2.2 特征量的提取 | 第71-73页 |
| 6.2.3 K?均值聚类 | 第73-74页 |
| 6.2.4 故障诊断方法 | 第74页 |
| 6.3 应用实例 | 第74-77页 |
| 6.4 本章小结 | 第77-78页 |
| 第7章 基于路图GFT的故障分量提取方法 | 第78-101页 |
| 7.1 引言 | 第78页 |
| 7.2 齿轮箱振动信号的GFT分析 | 第78-82页 |
| 7.2.1 齿轮故障仿真信号的GFT | 第79-80页 |
| 7.2.2 滚动轴承故障仿真信号的GFT | 第80-82页 |
| 7.3 基于GFT冲击分量提取的滚动轴承故障诊断 | 第82-92页 |
| 7.3.1 故障诊断方法 | 第83页 |
| 7.3.2 仿真信号分析 | 第83-88页 |
| 7.3.3 应用实例 | 第88-92页 |
| 7.4 基于GFT故障分量提取的齿轮箱复合故障诊断 | 第92-100页 |
| 7.4.1 故障诊断方法 | 第92-93页 |
| 7.4.2 仿真信号分析 | 第93-95页 |
| 7.4.3 应用实例 | 第95-100页 |
| 7.5 本章小结 | 第100-101页 |
| 结论与展望 | 第101-104页 |
| 参考文献 | 第104-116页 |
| 致谢 | 第116-117页 |
| 附录A （攻读学位期间所发表的学术论文目录） | 第117-118页 |
| 附录B （攻读学位期间参加的科研项目） | 第118页 |
