| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-31页 |
| ·课题背景 | 第13-15页 |
| ·课题来源 | 第13页 |
| ·研究的目的及意义 | 第13-15页 |
| ·旋转机械故障诊断国内外研究现状 | 第15-20页 |
| ·旋转机械故障机理研究 | 第15-16页 |
| ·旋转机械振动信号处理方法研究 | 第16页 |
| ·旋转机械故障诊断方法研究 | 第16-20页 |
| ·图形识别技术国内外研究现状 | 第20-26页 |
| ·图形识别技术的发展与应用 | 第20-21页 |
| ·图形特征描述及其特征提取方法 | 第21-23页 |
| ·数学形态学的研究现状 | 第23-26页 |
| ·旋转机械振动参数图形及其特点 | 第26-27页 |
| ·图形识别技术在故障诊断中应用潜力 | 第27-28页 |
| ·旋转机械振动故障诊断存在的主要问题 | 第28-29页 |
| ·本文主要研究内容 | 第29-31页 |
| 第2章 旋转机械振动参数图形预处理方法研究 | 第31-57页 |
| ·引言 | 第31-32页 |
| ·旋转机械振动参数图形插值重构 | 第32-39页 |
| ·常规图形插值方法及存在的问题 | 第32-35页 |
| ·基于转子动力学理论的图形插值重构方法研究 | 第35-39页 |
| ·旋转机械振动参数图形量化、增强处理 | 第39-43页 |
| ·复合灰度变换量化处理 | 第39-41页 |
| ·自适应直方图均衡化增强处理 | 第41-43页 |
| ·实例分析 | 第43-56页 |
| ·本章小结 | 第56-57页 |
| 第3章 旋转机械振动参数图形边缘纹理检测的模糊软形态学方法研究 | 第57-81页 |
| ·引言 | 第57页 |
| ·数学形态学及仿真分析 | 第57-67页 |
| ·二值形态学及仿真分析 | 第58-59页 |
| ·灰度形态学及仿真分析 | 第59-61页 |
| ·模糊形态学及仿真分析 | 第61-64页 |
| ·模糊软形态学及其仿真分析 | 第64-67页 |
| ·结构元素及其分解 | 第67-72页 |
| ·结构元素分解的一般性质 | 第68-69页 |
| ·一维结构元素的分解 | 第69页 |
| ·二维灰度结构元素的分解 | 第69-70页 |
| ·结构元素分解数值仿真 | 第70-72页 |
| ·模糊软形态学滤波及增强 | 第72-74页 |
| ·旋转机械参数图形的模糊软形态学滤波处理 | 第72-73页 |
| ·旋转机械参数图形的模糊软形态学增强处理 | 第73-74页 |
| ·模糊软形态学边缘检测算子 | 第74-75页 |
| ·实例分析 | 第75-79页 |
| ·本章小结 | 第79-81页 |
| 第4章 旋转机械参数图形的灰度-基元-梯度共生矩阵特征提取方法研究 | 第81-101页 |
| ·引言 | 第81页 |
| ·图形特征 | 第81-82页 |
| ·纹理的定义 | 第82页 |
| ·基于灰度-基元-梯度共生矩阵的旋转机械参数图形特征提取 | 第82-97页 |
| ·灰度共生矩阵及仿真分析 | 第82-89页 |
| ·灰度-基元共生矩阵及仿真分析 | 第89-93页 |
| ·灰度-梯度共生矩阵及仿真分析 | 第93-96页 |
| ·灰度-基元-梯度三维共生矩阵及其统计特征 | 第96-97页 |
| ·实例分析 | 第97-100页 |
| ·融合灰度共生矩阵实例分析 | 第97-99页 |
| ·灰度-基元-梯度三维共生矩阵实例分析 | 第99-100页 |
| ·本章小结 | 第100-101页 |
| 第5章 旋转机械参数图形识别的人工免疫方法研究 | 第101-116页 |
| ·引言 | 第101页 |
| ·生物免疫反面选择机理及反面选择算法 | 第101-102页 |
| ·实值反面选择算法 | 第102-103页 |
| ·具有可变阈值半径的实值反面选择算法 | 第103-112页 |
| ·检测半径的计算及检测器的学习、变异及克隆 | 第106-108页 |
| ·检测器数量的确定 | 第108-109页 |
| ·检测器分布程度的评价 | 第109页 |
| ·基于免疫反面选择算法的故障诊断过程 | 第109-112页 |
| ·基于Iris数据故障诊断方法有效性检验 | 第112-114页 |
| ·实例诊断分析 | 第114-115页 |
| ·本章小结 | 第115-116页 |
| 第6章 旋转机械振动参数图形识别的遗传融合方法 | 第116-135页 |
| ·引言 | 第116页 |
| ·故障诊断应用中单一诊断方法和单一故障特征的局限性 | 第116-117页 |
| ·融合方式 | 第117-120页 |
| ·旋转机械振动故障诊断的遗传融合方法 | 第120-128页 |
| ·融合模型的确定 | 第120-121页 |
| ·基于遗传算法的优化学习 | 第121-127页 |
| ·神经网络和人工免疫的遗传融合 | 第127-128页 |
| ·实例分析 | 第128-134页 |
| ·本章小结 | 第134-135页 |
| 第7章 旋转机械图形识别诊断方法的实验研究 | 第135-144页 |
| ·引言 | 第135页 |
| ·实验装置的组成及测试分析系统 | 第135-137页 |
| ·实验数据采集及分析 | 第137-143页 |
| ·本章小结 | 第143-144页 |
| 结论 | 第144-146页 |
| 参考文献 | 第146-161页 |
| 攻读博士学位期间发表的论文 | 第161-164页 |
| 攻读博士学位期间参与的科研项目 | 第164-166页 |
| 致谢 | 第166-167页 |
| 个人简历 | 第167页 |
