| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 1 绪论 | 第14-35页 |
| 1.1 课题研究的背景及意义 | 第14-17页 |
| 1.2 水电机组振动故障诱因概述 | 第17-21页 |
| 1.3 振动信号的时频分析方法 | 第21-24页 |
| 1.4 信号的多维特征约简方法 | 第24-28页 |
| 1.5 水电机组故障诊断方法概述 | 第28-32页 |
| 1.6 论文结构与主要研究内容 | 第32-35页 |
| 2 基于混合延拓的EMD端点效应抑制方法及其应用 | 第35-53页 |
| 2.1 引言 | 第35-36页 |
| 2.2 经验模态分解及其端点效应 | 第36-42页 |
| 2.3 基于混合延拓的EMD端点效应抑制方法 | 第42-47页 |
| 2.4 水电机组振动仿真信号实例分析 | 第47-51页 |
| 2.5 本章小结 | 第51-53页 |
| 3 自适应快速EEMD及其在尾水管压力脉动信号分析中的应用 | 第53-88页 |
| 3.1 引言 | 第53-56页 |
| 3.2 集成经验模态分解算法及Hilbert变换 | 第56-63页 |
| 3.3 噪声频率对EEMD计算效率的影响 | 第63-68页 |
| 3.4 自适应快速集成经验模态分解 | 第68-72页 |
| 3.5 AFEEMD算法性能验证分析 | 第72-82页 |
| 3.6 尾水管压力脉动信号实例分析 | 第82-87页 |
| 3.7 本章小结 | 第87-88页 |
| 4 考虑流行学习特征约简的水电机组混合故障诊断策略 | 第88-116页 |
| 4.1 引言 | 第88-89页 |
| 4.2 LGPCA算法理论介绍 | 第89-93页 |
| 4.3 自适应近邻关系的监督型LGPCA | 第93-96页 |
| 4.4 基于M-LGPCA和SVM的水电机组故障诊断 | 第96-101页 |
| 4.5 多维广域特征的振动故障混合诊断策略 | 第101-108页 |
| 4.6 诊断实例分析 | 第108-114页 |
| 4.7 本章小结 | 第114-116页 |
| 5 基于混合引力搜索和随机森林的转子系统故障诊断 | 第116-135页 |
| 5.1 引言 | 第116-117页 |
| 5.2 随机森林 | 第117-122页 |
| 5.3 混合引力搜索算法 | 第122-124页 |
| 5.4 HGSA-RF故障诊断系统 | 第124-127页 |
| 5.5 振动信号采集和特征提取 | 第127-131页 |
| 5.6 结果与分析 | 第131-133页 |
| 5.7 本章小结 | 第133-135页 |
| 6 全文总结与研究展望 | 第135-139页 |
| 6.1 全文总结 | 第135-137页 |
| 6.2 研究展望 | 第137-139页 |
| 致谢 | 第139-141页 |
| 参考文献 | 第141-155页 |
| 附录1：攻读博士期间发表的论文 | 第155-156页 |
| 附录2：攻读博士期间完成和参与的科研项目 | 第156页 |
