| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 符号说明 | 第14-15页 |
| 1 绪论 | 第15-31页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 武器系统状态监测与故障诊断研究进展 | 第16页 |
| 1.3 旋转机械状态监测研究进展 | 第16-19页 |
| 1.4 旋转机械故障诊断研究进展 | 第19-23页 |
| 1.4.1 特征提取 | 第19-21页 |
| 1.4.2 特征选择 | 第21-22页 |
| 1.4.3 智能故障诊断 | 第22-23页 |
| 1.5 问题陈述与解决方案 | 第23-31页 |
| 1.5.1 问题陈述 | 第23-25页 |
| 1.5.2 研究思路及解决方案 | 第25-29页 |
| 1.5.3 论文主要研究内容 | 第29-31页 |
| 2 高速自动机运动形态学分解 | 第31-42页 |
| 2.1 高速自动机的基本工作原理 | 第31-36页 |
| 2.1.1 高速自动机基本结构及组成 | 第31-34页 |
| 2.1.2 高速自动机的工作原理 | 第34页 |
| 2.1.3 高速自动机运动形态时序分析 | 第34-36页 |
| 2.2 高速自动机运动形态分解 | 第36-41页 |
| 2.2.1 高速自动机射击试验 | 第36-39页 |
| 2.2.2 高速自动机运动形态分解 | 第39-41页 |
| 2.3 本章小结 | 第41-42页 |
| 3 机械系统状态监测及故障诊断方法研究 | 第42-71页 |
| 3.1 规范变量分析 | 第42-46页 |
| 3.1.1 状态空间模型 | 第42-45页 |
| 3.1.2 核密度估计 | 第45-46页 |
| 3.2 基于规范变量分析的滚动轴承退化过程监测 | 第46-52页 |
| 3.2.1 滚动轴承全寿命测试台 | 第46-48页 |
| 3.2.2 滚动轴承退化特征提取 | 第48页 |
| 3.2.3 滚动轴承退化监测 | 第48-52页 |
| 3.3 正弦波辅助经验模态分解 | 第52-55页 |
| 3.3.1 经验模态分解 | 第52-53页 |
| 3.3.2 集成经验模态分解 | 第53-54页 |
| 3.3.3 正弦波辅助经验模态分解 | 第54-55页 |
| 3.4 RPS-EMD频率加权能量算子解调研究 | 第55-64页 |
| 3.4.1 频率加权能量算子 | 第55-57页 |
| 3.4.2 仿真对比研究 | 第57-60页 |
| 3.4.3 基于RPS-EMD频率加权能量算子解调的滚动轴承故障诊断 | 第60-64页 |
| 3.5 基于快速谱峭度的冲击特征提取研究 | 第64-69页 |
| 3.5.1 快速谱峭度 | 第65-66页 |
| 3.5.2 冲击特征提取试验研究 | 第66-69页 |
| 3.6 本章小结 | 第69-71页 |
| 4 多尺度CVA及高速自动机动态特性监测研究 | 第71-94页 |
| 4.1 多变量经验模态分解 | 第71-74页 |
| 4.1.1 多变量EMD | 第71-73页 |
| 4.1.2 自适应投影固有变换MEMD | 第73-74页 |
| 4.2 模态对准特性研究 | 第74-78页 |
| 4.2.1 多变量仿真信号研究 | 第74-76页 |
| 4.2.2 基于多变量EMD的频率加权能量算子解调 | 第76-78页 |
| 4.3 多尺度规范变量分析及高速自动机状态监测 | 第78-85页 |
| 4.3.1 多尺度动态特性监测方案 | 第78-81页 |
| 4.3.2 基于多尺度CVA的高速自动机动态监测 | 第81-84页 |
| 4.3.3 基于多尺度PCA的高速自动机状态监测 | 第84-85页 |
| 4.4 多变量EMD模态选择 | 第85-88页 |
| 4.4.1 多变量模态选择方法 | 第86-87页 |
| 4.4.2 基于马氏距离的多变量模态选择 | 第87-88页 |
| 4.5 规范变量相异度分析及动态特性监测 | 第88-92页 |
| 4.5.1 规范变量相异度分析 | 第88-89页 |
| 4.5.2 高速自动机动态特性监测 | 第89-92页 |
| 4.6 本章小结 | 第92-94页 |
| 5 高速自动机故障诊断及动态特性预测研究 | 第94-115页 |
| 5.1 信息熵 | 第95-97页 |
| 5.1.1 信息熵定义 | 第95页 |
| 5.1.2 排列熵 | 第95-96页 |
| 5.1.3 多变量EMD排列熵 | 第96-97页 |
| 5.2 高速自动机智能故障诊断 | 第97-102页 |
| 5.2.1 支持向量机 | 第97-100页 |
| 5.2.2 高速自动机智能故障诊断 | 第100-102页 |
| 5.3 多变量EMD排列熵均值及其应用研究 | 第102-105页 |
| 5.3.1 多尺度排列熵 | 第102-103页 |
| 5.3.2 改进的多尺度排列熵 | 第103-104页 |
| 5.3.3 多变量EMD排列熵均值 | 第104-105页 |
| 5.4 基于特征选择的高速自动机故障诊断 | 第105-107页 |
| 5.4.1 拉普拉斯评分 | 第105-106页 |
| 5.4.2 基于拉普拉斯评分的高速自动机故障诊断 | 第106-107页 |
| 5.5 基于状态空间学习的高速自动机动态特性预测 | 第107-113页 |
| 5.5.1 多变量LSSVM | 第107-109页 |
| 5.5.2 基于状态空间学习的多变量LSSVM | 第109-111页 |
| 5.5.3 高速自动机动态特性预测 | 第111-113页 |
| 5.6 本章小结 | 第113-115页 |
| 6 高速自动机状态监测及故障诊断对旋转机械影响研究 | 第115-134页 |
| 6.1 齿轮箱动态特性监测 | 第116-120页 |
| 6.1.1 基于多尺度CVA的齿轮箱动态特性监测 | 第116-119页 |
| 6.1.2 基于EEMD的齿轮箱状态监测 | 第119-120页 |
| 6.2 旋转机械状态监测及预测 | 第120-123页 |
| 6.2.1 滚动轴承退化特性监测 | 第120-122页 |
| 6.2.2 滚动轴承退化特性预测 | 第122-123页 |
| 6.3 多变量EMD模态选择及旋转机械特征检测 | 第123-126页 |
| 6.3.1 基于数据空间统计的特征检测方法研究 | 第123-124页 |
| 6.3.2 多变量故障特征提取 | 第124-126页 |
| 6.4 多变量EMD排列熵 | 第126-133页 |
| 6.4.1 模态对齐及特征提取 | 第126-128页 |
| 6.4.2 基于多变量EMD排列熵的滚动轴承故障诊断研究 | 第128-131页 |
| 6.4.3 基于特征选择的齿轮箱故障诊断 | 第131-133页 |
| 6.5 本章小结 | 第133-134页 |
| 7 总结与展望 | 第134-137页 |
| 7.1 本文工作总结 | 第134-135页 |
| 7.2 主要创新点 | 第135-136页 |
| 7.3 工作不足及展望 | 第136-137页 |
| 参考文献 | 第137-156页 |
| 攻读博士学位期间发表的论文及所取得的研究成果 | 第156-157页 |
| 致谢 | 第157-158页 |
