| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 轴承故障诊断概述 | 第11-15页 |
| 1.3 核熵成分分析的研究现状 | 第15-20页 |
| 1.4 论文的主要内容与结构安排 | 第20-22页 |
| 2 基于核熵成分分析的轴承状态识别方法研究 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 轴承运行状态的高维特征空间构造 | 第22-25页 |
| 2.3 核熵成分分析 | 第25-29页 |
| 2.4 基于KECA算法的轴承状态识别模型 | 第29-30页 |
| 2.5 实验验证 | 第30-37页 |
| 2.6 本章小结 | 第37-38页 |
| 3 基于有监督的核熵成分分析轴承状态识别方法研究 | 第38-59页 |
| 3.1 引言 | 第38页 |
| 3.2 有监督的核熵成分分析 | 第38-41页 |
| 3.3 基于SKECA算法轴承状态识别模型 | 第41-42页 |
| 3.4 实验验证 | 第42-58页 |
| 3.5 本章小结 | 第58-59页 |
| 4 基于组合类别信息核熵成分分析的轴承状态识别方法研究 | 第59-85页 |
| 4.1 引言 | 第59页 |
| 4.2 组合类别信息核熵成分分析 | 第59-62页 |
| 4.3 基于CIKECA算法的状态识别模型 | 第62-63页 |
| 4.4 滚动轴承故障模拟实验装置 | 第63-68页 |
| 4.5 实验结果分析 | 第68-84页 |
| 4.6 本章小结 | 第84-85页 |
| 5 基于加权核熵成分分析的轴承状态识别方法研究 | 第85-100页 |
| 5.1 引言 | 第85页 |
| 5.2 加权核熵成分分析 | 第85-90页 |
| 5.3 基于WKECA算法的轴承状态识别模型 | 第90-91页 |
| 5.4 实验验证 | 第91-99页 |
| 5.5 本章小结 | 第99-100页 |
| 6 总结及展望 | 第100-102页 |
| 6.1 本文工作总结 | 第100-101页 |
| 6.2 下一步工作展望 | 第101-102页 |
| 致谢 | 第102-104页 |
| 参考文献 | 第104-115页 |
| 附录 攻读博士学位期间发表的论文目录 | 第115页 |