| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.2.1 液压系统及轴承故障诊断技术的研究现状及分析 | 第11-13页 |
| 1.2.2 特征选择算法的研究现状及分析 | 第13-15页 |
| 1.3 本文研究的意义和主要内容 | 第15-17页 |
| 1.3.1 本文研究的意义 | 第15-16页 |
| 1.3.2 本文研究的主要内容 | 第16-17页 |
| 第2章 互信息及特征选择的基本理论 | 第17-33页 |
| 2.1 熵与互信息 | 第17-19页 |
| 2.1.1 信息熵 | 第17-18页 |
| 2.1.2 联合熵 | 第18页 |
| 2.1.3 条件熵 | 第18-19页 |
| 2.1.4 互信息 | 第19页 |
| 2.2 互信息的度量 | 第19-27页 |
| 2.2.1 直方图法 | 第20-24页 |
| 2.2.2 核函数法 | 第24-25页 |
| 2.2.3 平均直方图法 | 第25-27页 |
| 2.3 特征选择 | 第27-32页 |
| 2.3.1 特征选择过程和搜索策略 | 第27-28页 |
| 2.3.2 评价函数 | 第28-30页 |
| 2.3.3 基于互信息的 MIEF 特征选择算法 | 第30-31页 |
| 2.3.4 MIEF 特征选择算法的性能验证 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于峭度和小波包分析的液压泵振动信号分析 | 第33-50页 |
| 3.1 小波包分析的基本理论 | 第33-38页 |
| 3.1.1 连续小波变换 | 第33-34页 |
| 3.1.2 离散小波变换 | 第34-35页 |
| 3.1.3 小波包分析 | 第35-37页 |
| 3.1.4 峭度 | 第37-38页 |
| 3.2 希尔伯特包络解调 | 第38-39页 |
| 3.3 液压泵状态信号的采集及分析 | 第39-49页 |
| 3.3.1 液压泵状态信号采集 | 第39-41页 |
| 3.3.2 液压泵滑靴磨损故障振动信号理论分析 | 第41-44页 |
| 3.3.3 液压泵松靴故障振动信号理论分析 | 第44-46页 |
| 3.3.4 液压泵斜盘磨损故障振动信号理论分析 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于峭度和小波包分析的滚动轴承振动信号分析 | 第50-60页 |
| 4.1 轴承故障研究意义 | 第50页 |
| 4.2 轴承振动信号的采集 | 第50-52页 |
| 4.3 轴承内圈故障振动信号分析 | 第52-54页 |
| 4.4 轴承外圈故障振动信号分析 | 第54-56页 |
| 4.5 轴承滚动体故障振动信号分析 | 第56-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 基于互信息理论的特征降维及模式识别 | 第60-70页 |
| 5.1 基于互信息的液压泵特征降维 | 第60-63页 |
| 5.1.1 信号的时域特征参数提取 | 第60-62页 |
| 5.1.2 信号的时频域特征参数提取 | 第62页 |
| 5.1.3 基于互信息的特征降维 | 第62-63页 |
| 5.2 基于互信息的滚动轴承故障特征降维 | 第63页 |
| 5.3 基于模糊 C 均值聚类故障识别 | 第63-69页 |
| 5.3.1 模糊 C 均值聚类算法 | 第63-66页 |
| 5.3.2 基于模糊 C 均值聚类的轴向柱塞泵的故障识别 | 第66-67页 |
| 5.3.3 基于模糊 C 均值聚类轴承的故障识别 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |
