| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题意义 | 第9-10页 |
| 1.2 机械设备故障诊断的方法 | 第10-14页 |
| 1.2.1 时间序列信号的降噪处理 | 第10-12页 |
| 1.2.2 时间序列信号的故障特征提取 | 第12-13页 |
| 1.2.3 时间序列信号的故障状态识别 | 第13-14页 |
| 1.3 非线性时间序列的研究现状及发展趋势 | 第14-15页 |
| 1.4 滚动轴承故障诊断过程 | 第15页 |
| 1.5 本文研究的内容 | 第15-17页 |
| 第2章 基于相空间重构的主分量分析的降噪算法 | 第17-28页 |
| 2.1 降噪的意义 | 第17页 |
| 2.2 相空间重构 | 第17页 |
| 2.3 互信息量法 | 第17-18页 |
| 2.3.1 基本概念 | 第17-18页 |
| 2.3.2 时间延迟的选取 | 第18页 |
| 2.4 Cao 氏法嵌入维数 m | 第18-19页 |
| 2.5 主成分分析（PCA） | 第19-21页 |
| 2.5.1 概述 | 第19页 |
| 2.5.2 主分量分析的基本原理 | 第19-20页 |
| 2.5.3 主分量分析的算法 | 第20-21页 |
| 2.6 基于相空间重构的主分量分析的降噪算法原理 | 第21-22页 |
| 2.7 相空间重构的主分量分析的降噪算法的仿真研究 | 第22-23页 |
| 2.8 相空间重构的主分量分析的降噪算法的实例研究 | 第23-27页 |
| 2.9 本章小结 | 第27-28页 |
| 第3章 基于相空间重构的主分量分析降噪算法与形态滤波相结合的特征提取 | 第28-41页 |
| 3.1 研究内容概述 | 第28页 |
| 3.2 数学形态学在机械故障信号处理中的应用现状 | 第28页 |
| 3.3 形态学的基本原理 | 第28-33页 |
| 3.3.1 二值形态学 | 第28-31页 |
| 3.3.2 灰值形态学 | 第31-32页 |
| 3.3.3 形态滤波在数字信号处理运用的原理 | 第32-33页 |
| 3.4 Hilbert 包络分析原理 | 第33-35页 |
| 3.5 形态滤波解调的仿真研究 | 第35页 |
| 3.6 形态滤波在滚动轴承特征提取中的应用 | 第35-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于相空间重构的主分量分析降噪算法与局部均值分解相结合的特征提取 | 第41-48页 |
| 4.1 研究内容概述 | 第41页 |
| 4.2 局部均值分解在机械故障信号处理中的应用现状 | 第41页 |
| 4.3 局部均值分解 | 第41-43页 |
| 4.4 仿真研究 | 第43-44页 |
| 4.5 应用实例研究 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 基于多尺度排列熵与支持向量机的状态识别 | 第48-54页 |
| 5.1 研究内容概述 | 第48页 |
| 5.2 排列熵及多尺度排列熵原理 | 第48-50页 |
| 5.2.1 排列熵算法 | 第48-49页 |
| 5.2.2 多尺度排列熵算法（MPE） | 第49-50页 |
| 5.3 支持向量机（SVM） | 第50-51页 |
| 5.3.1 支持向量机线性分类 | 第50页 |
| 5.3.2 支持向量机非线性分类 | 第50-51页 |
| 5.4 应用实例 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录1 攻读硕士学位期间发表的论文 | 第61-62页 |
| 详细摘要 | 第62-65页 |
