| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 选题的背景和意义 | 第14-15页 |
| 1.2 滚动轴承故障诊断的研究现状 | 第15-20页 |
| 1.2.1 滚动轴承故障机理的研究现状 | 第15-16页 |
| 1.2.2 滚动轴承特征提取的研究现状 | 第16-19页 |
| 1.2.3 滚动轴承模式识别的研究现状 | 第19-20页 |
| 1.3 论文的主要研究思路与章节安排 | 第20-22页 |
| 1.3.1 论文主要研究思路 | 第20-21页 |
| 1.3.2 论文章节安排 | 第21-22页 |
| 第2章 VMD降噪方法 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 VMD方法 | 第22-25页 |
| 2.2.1 VMD理论 | 第22-23页 |
| 2.2.2 VMD算法流程 | 第23-24页 |
| 2.2.3 仿真分析 | 第24-25页 |
| 2.3 VMD参数的确定 | 第25-28页 |
| 2.3.1 模态数对分解结果的影响分析 | 第25-27页 |
| 2.3.2 最优模态数的确定 | 第27-28页 |
| 2.4 VMD降噪方法 | 第28-33页 |
| 2.4.1 VMD降噪 | 第28页 |
| 2.4.2 仿真分析 | 第28-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于流形学习和稀疏表示的滚动轴承故障诊断方法 | 第34-51页 |
| 3.1 引言 | 第34-35页 |
| 3.2 稀疏表示 | 第35-37页 |
| 3.2.1 稀疏表示理论 | 第35页 |
| 3.2.2 稀疏表示求解算法 | 第35-37页 |
| 3.2.3 稀疏表示分类器 | 第37页 |
| 3.3 基于PCA和稀疏表示的滚动轴承故障诊断方法 | 第37-42页 |
| 3.3.1 主成分分析法 | 第37页 |
| 3.3.2 基于PCA和稀疏表示的滚动轴承故障诊断步骤 | 第37-38页 |
| 3.3.3 实验信号分析 | 第38-42页 |
| 3.4 基于流形学习和稀疏表示的滚动轴承故障诊断方法 | 第42-50页 |
| 3.4.1 流形学习方法 | 第42-43页 |
| 3.4.1.1 等距特征映射 | 第42页 |
| 3.4.1.2 局部线性嵌入 | 第42-43页 |
| 3.4.1.3 拉普拉斯特征映射 | 第43页 |
| 3.4.2 仿真分析 | 第43-45页 |
| 3.4.3 基于流形学习和稀疏表示的滚动轴承故障诊断步骤 | 第45页 |
| 3.4.4 实验信号分析 | 第45-50页 |
| 3.4.4.1 基于ISOMAP和稀疏表示的滚动轴承故障诊断方法 | 第45-47页 |
| 3.4.4.2 基于LE和稀疏表示的滚动轴承故障诊断方法 | 第47-48页 |
| 3.4.4.3 基于LLE和稀疏表示的滚动轴承故障诊断方法 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于特征选择和稀疏表示的滚动轴承故障诊断方法 | 第51-65页 |
| 4.1 引言 | 第51-52页 |
| 4.2 组合特征指标 | 第52-56页 |
| 4.2.1 峭度 | 第52页 |
| 4.2.2 能量矩 | 第52-54页 |
| 4.2.3 模糊熵 | 第54-56页 |
| 4.3 基于特征选择的滚动轴承信号特征提取方法 | 第56-57页 |
| 4.3.1 特征评价 | 第56-57页 |
| 4.3.2 特征选择 | 第57页 |
| 4.4 基于特征选择和稀疏表示的滚动轴承故障诊断方法 | 第57-64页 |
| 4.4.1 基于特征选择和稀疏表示的滚动轴承故障诊断步骤 | 第57-58页 |
| 4.4.2 实验信号分析 | 第58-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 基于深度学习和稀疏表示的滚动轴承故障诊断方法 | 第65-78页 |
| 5.1 引言 | 第65页 |
| 5.2 卷积神经网络 | 第65-68页 |
| 5.2.1 CNN | 第66-67页 |
| 5.2.2 CNN训练过程 | 第67页 |
| 5.2.3 CNN结构参数确定 | 第67-68页 |
| 5.3 深度置信网络 | 第68-71页 |
| 5.3.1 RBM | 第68-70页 |
| 5.3.2 DBN训练过程 | 第70-71页 |
| 5.3.3 DBN结构参数确定 | 第71页 |
| 5.4 基于深度学习和稀疏表示的滚动轴承故障诊断方法 | 第71-77页 |
| 5.4.1 基于深度学习和稀疏表示的滚动轴承故障诊断步骤 | 第72页 |
| 5.4.2 实验信号分析 | 第72-77页 |
| 5.4.2.1 基于CNN和稀疏表示的滚动轴承故障诊断方法 | 第72-75页 |
| 5.4.2.2 基于DBN和稀疏表示的滚动轴承故障诊断方法 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论与展望 | 第78-80页 |
| 结论 | 第78页 |
| 展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 附录A 攻读学位期间发表和录用的论文目录 | 第85-86页 |
| 附录B 攻读学位期间参与的科研项目 | 第86页 |
