| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究的背景 | 第10页 |
| ·研究的意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-14页 |
| ·风电机组增速箱常见故障 | 第14-15页 |
| ·论文研究内容 | 第15-17页 |
| 第二章 信号分析的基本理论 | 第17-27页 |
| ·引言 | 第17页 |
| ·时频分析法 | 第17-18页 |
| ·希尔伯特谱分析法 | 第18-20页 |
| ·全息谱分析法 | 第20-21页 |
| ·主分量分析法 | 第21-23页 |
| ·自回归分析法 | 第23-24页 |
| ·独立分量分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 独立分量分析算法数学建模研究 | 第27-35页 |
| ·引言 | 第27页 |
| ·自然梯度学习算法 | 第27-30页 |
| ·最大似然估计算法 | 第30-31页 |
| ·最大熵学习算法 | 第31-32页 |
| ·负熵最大化算法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 FastICA 算法的仿真应用 | 第35-42页 |
| ·实验描述 | 第35页 |
| ·基于 FastICA 的独立分量分析算法 | 第35-37页 |
| ·建立仿真模型 | 第37-38页 |
| ·模拟仿真信号分离 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 FastICA 算法在风电机组增速箱振动信号分析中的应用研究 | 第42-54页 |
| ·前言 | 第42页 |
| ·实验设备 | 第42-49页 |
| ·实验数据采集处理 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论 | 第54-56页 |
| ·本文主要研究成果 | 第54页 |
| ·研究方向展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 附录 AFastICA 分离程序 | 第58-64页 |
| 在学研究成果 | 第64-65页 |
| 致谢 | 第65页 |