| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及研究的目的和意义 | 第11-12页 |
| 1.2 旋转机械故障诊断技术研究现状 | 第12-16页 |
| 1.2.1 状态检测 | 第13页 |
| 1.2.2 故障机理研究 | 第13-14页 |
| 1.2.3 故障特征提取 | 第14-15页 |
| 1.2.4 故障识别方法 | 第15-16页 |
| 1.3 多尺度熵的研究现状 | 第16-17页 |
| 1.4 本文主要的研究内容 | 第17-19页 |
| 第2章 特征提取及多尺度熵的基本理论 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 信号的时域特征提取 | 第19-21页 |
| 2.2.1 有量纲时域特征参数 | 第19-20页 |
| 2.2.2 无量纲时域特征参数 | 第20-21页 |
| 2.3 信号的频域特征提取 | 第21-22页 |
| 2.4 信号的时频域特征提取 | 第22-23页 |
| 2.5 多尺度熵理论 | 第23-30页 |
| 2.5.1 样本熵理论 | 第24-26页 |
| 2.5.2 多尺度熵 | 第26-30页 |
| 2.5.3 多尺度熵偏均值 | 第30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于改进多尺度熵的特征降维及模式识别 | 第31-43页 |
| 3.1 改进多尺度熵 | 第31-38页 |
| 3.1.1 改进多尺度化 | 第31-34页 |
| 3.1.2 改进阈值函数 | 第34-38页 |
| 3.2 ReliefF加权特征选择 | 第38-40页 |
| 3.3 核模糊C均值聚类 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于多尺度熵的滚动轴承故障识别方法 | 第43-61页 |
| 4.1 滚动轴承故障诊断实验数据获取 | 第43-45页 |
| 4.2 时频分析 | 第45-50页 |
| 4.2.1 不同故障类型时频分析 | 第45-47页 |
| 4.2.2 不同故障程度时频分析 | 第47-50页 |
| 4.3 多尺度熵分析 | 第50-56页 |
| 4.3.1 不同故障类型多尺度熵 | 第50-51页 |
| 4.3.2 不同故障程度多尺度熵 | 第51-56页 |
| 4.4 故障识别 | 第56-60页 |
| 4.4.1 ReliefF加权特征选择算法选择最优尺度 | 第56-57页 |
| 4.4.2 KFCM聚类结果 | 第57-58页 |
| 4.4.3 故障识别结果及分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 基于多尺度熵的液压泵故障识别方法 | 第61-78页 |
| 5.1 液压泵状态信号的采集 | 第61-66页 |
| 5.1.1 实验系统组成 | 第61-64页 |
| 5.1.2 基于Lab VIEW的数据采集系统 | 第64-65页 |
| 5.1.3 实验过程 | 第65-66页 |
| 5.2 时频分析 | 第66-68页 |
| 5.3 多尺度熵分析 | 第68-74页 |
| 5.3.1 不同故障类型多尺度熵 | 第69-70页 |
| 5.3.2 不同故障程度多尺度熵 | 第70-74页 |
| 5.4 故障识别 | 第74-77页 |
| 5.4.1 ReliefF加权特征选择算法选择最优尺度 | 第74页 |
| 5.4.2 KFCM聚类结果 | 第74-76页 |
| 5.4.3 故障识别结果及分析 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间承担的科研任务与主要研究成果 | 第84-86页 |
| 致谢 | 第86页 |