隐马尔科夫模型及其在机械故障模式识别中的应用
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 概述 | 第6-11页 |
| ·研究意义 | 第6-7页 |
| ·HMM 方法研究现状 | 第7-9页 |
| ·本文的主要工作及内容 | 第9-11页 |
| ·主要研究工作 | 第9-10页 |
| ·本文内容安排 | 第10-11页 |
| 第二章 隐 Markov 模型的基本理论 | 第11-24页 |
| ·Markov 模型 | 第11页 |
| ·HMM 基本概念 | 第11-13页 |
| ·HMM 定义 | 第12-13页 |
| ·HMM 基本算法 | 第13-17页 |
| ·前向-后向算法 | 第13-15页 |
| ·Viterbi 算法 | 第15-17页 |
| ·Baum-Welch 算法 | 第17页 |
| ·HMM 的类型 | 第17-19页 |
| ·按照观测变量分类 | 第18页 |
| ·按照Markov 链形状分类 | 第18-19页 |
| ·HMM 在实际应用中的改进措施 | 第19-21页 |
| ·初始模型的选取 | 第19-20页 |
| ·算法下溢问题的处理 | 第20-21页 |
| ·基于DHMM 的齿轮数据建模与诊断 | 第21-24页 |
| 第三章 振动测量分析方法 | 第24-37页 |
| ·时域分析方法 | 第24-26页 |
| ·频域分析方法 | 第26页 |
| ·倒频谱分析方法 | 第26-27页 |
| ·包络分析分析方法 | 第27-30页 |
| ·连续时间信号的希尔伯特变换 | 第27-28页 |
| ·离散信号的希尔伯特变换 | 第28-30页 |
| ·虚拟仪器技术 | 第30-32页 |
| ·虚拟仪器的特点 | 第30-31页 |
| ·虚拟仪器系统的构成 | 第31-32页 |
| ·基于LabVIEW 的虚拟仪器分析仪 | 第32-37页 |
| ·倒频谱分析仪 | 第33-34页 |
| ·包络分析仪 | 第34-37页 |
| 第四章 基于隐 Markov 模型的故障模式分类 | 第37-52页 |
| ·基本方法 | 第37-39页 |
| ·振动信号特征值分析和提取 | 第37-38页 |
| ·幅值标准化和标量量化 | 第38页 |
| ·HMM 训练 | 第38-39页 |
| ·HMM 模式分类 | 第39页 |
| ·HMM 在汽轮机振动信号分析中的应用 | 第39-44页 |
| ·DHMM 方法的实现步骤 | 第41-42页 |
| ·特征值提取及编码 | 第42页 |
| ·DHMM 训练 | 第42-43页 |
| ·识别结果 | 第43-44页 |
| ·HMM 在齿轮振动信号分析中的应用 | 第44-52页 |
| ·实验描述及信号分析 | 第44-46页 |
| ·时域信号分析 | 第46-47页 |
| ·DHMM 模式分类 | 第47-52页 |
| 第五章 结论与展望 | 第52-54页 |
| ·本文研究结论 | 第52-53页 |
| ·下一步工作设想 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 在学期间发表的学术论文和参加科研情况 | 第58页 |
