| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第15-17页 |
| 1 绪论 | 第17-22页 |
| 1.1 研究背景及意义 | 第17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 噪声诊断方法 | 第19-20页 |
| 1.4 研究内容 | 第20页 |
| 1.5 论文结构 | 第20-22页 |
| 2 基于机器学习的滚动轴承故障噪声诊断方法概述 | 第22-31页 |
| 2.1 滚动轴承故障机理 | 第22-24页 |
| 2.2 滚动轴承噪声信号处理方法 | 第24-27页 |
| 2.3 基于机器学习的故障诊断算法 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 滚动轴承故障分类算法研究 | 第31-46页 |
| 3.1 滚动轴承噪声特征提取 | 第31-32页 |
| 3.2 基于补偿距离评估的滚动轴承噪声特征筛选 | 第32-34页 |
| 3.3 基于支持向量机的特征分类 | 第34-37页 |
| 3.4 基于MFCC-CDET的滚动轴承故障噪声诊断算法 | 第37-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 滚动轴承新异故障识别算法研究 | 第46-65页 |
| 4.1 单类目标样本边界建模 | 第47-52页 |
| 4.2 多类目标样本边界建模 | 第52-60页 |
| 4.3 基于MFCC与高斯混合模型的轴承新异故障识别与故障分类 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |