| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题来源及意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 课题提出的必要性及其社会意义 | 第8-9页 |
| 1.2 盲系统辨识技术的国内外发展现状 | 第9-11页 |
| 1.3 盲系统辨识在机械故障诊断中的应用状况 | 第11-12页 |
| 1.4 论文的主要研究内容及创新之处 | 第12-13页 |
| 1.4.1 论文的研究内容 | 第12-13页 |
| 1.4.2 论文的创新之处 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 盲系统辨识的基本理论 | 第14-23页 |
| 2.1 概述 | 第14-15页 |
| 2.2 盲系统辨识的基本思想 | 第15-16页 |
| 2.3 盲系统辨识的主要算法及其优缺点 | 第16-22页 |
| 2.3.1 高阶统计量法 | 第17-19页 |
| 2.3.2 子空间法 | 第19-20页 |
| 2.3.3 最小子空间法 | 第20-21页 |
| 2.3.4 三种盲系统辨识方法的优缺点分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于EMD和AR模型盲系统辨识在机械故障中的研究 | 第23-43页 |
| 3.1 概述 | 第23页 |
| 3.2 经验模态分解方法的基本原理和算法 | 第23-31页 |
| 3.2.1 EMD方法的基本原理 | 第23-26页 |
| 3.2.2 EMD方法的算法 | 第26-30页 |
| 3.2.3 端点延拓处理 | 第30-31页 |
| 3.3 基于EMD的AR模型盲辨识算法 | 第31-34页 |
| 3.3.1 基于EMD的平稳化处理 | 第31-32页 |
| 3.3.2 本征模函数的AR模型盲辨识算法 | 第32-34页 |
| 3.4 关联维数计算方法 | 第34-35页 |
| 3.5 实验研究 | 第35-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于阶比域AR盲辨识的参数化双谱分析研究 | 第43-54页 |
| 4.1 概述 | 第43-44页 |
| 4.2 基于阶比采样的非平稳信号的平稳化处理 | 第44-45页 |
| 4.3 阶比域AR模型盲辨识的参数化双谱分析方法 | 第45-51页 |
| 4.3.1 基于阶比采样的AR模型的建立 | 第45-46页 |
| 4.3.2 阶比域AR模型盲辨识算法 | 第46-50页 |
| 4.3.3 参数化双谱估计及其物理意义 | 第50-51页 |
| 4.4 实验研究 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于双线性系统盲辨识的研究 | 第54-68页 |
| 5.1 概述 | 第54页 |
| 5.2 双线性系统发展现状 | 第54-55页 |
| 5.3 双线性系统模型的描述和特点 | 第55-56页 |
| 5.4 传统的双线性系统模型辨识方法 | 第56-61页 |
| 5.4.1 双线性系统的广义预测控制算法 | 第56-58页 |
| 5.4.2 双线性系统的参数估计法 | 第58-59页 |
| 5.4.3 双线性系统的反复残差法 | 第59-61页 |
| 5.5 双线性系统模型盲辨识 | 第61-66页 |
| 5.5.1 算法描述 | 第61-65页 |
| 5.5.2 仿真研究 | 第65-66页 |
| 5.6 实验研究 | 第66-67页 |
| 5.7 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 本文总结 | 第68-69页 |
| 6.2 未来展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间参与的科研项目和发表的论文 | 第76页 |