旋转机械故障特征盲源分离方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·旋转机械故障诊断的背景和研究意义 | 第9-10页 |
| ·传统旋转机械故障特征提取技术的不足 | 第10-11页 |
| ·独立分量分析的研究概况 | 第11-13页 |
| ·独立分量分析的应用现状 | 第13-15页 |
| ·独立分量分析在各领域的应用情况 | 第13页 |
| ·独立分量分析在旋转机械故障诊断中的应用 | 第13-15页 |
| ·论文的研究内容和结构安排 | 第15-16页 |
| 第二章 独立分量分析概述 | 第16-24页 |
| ·统计学的相关基础理论 | 第16-17页 |
| ·随机变量的数字特征 | 第16-17页 |
| ·统计独立 | 第17页 |
| ·信息论的相关理论 | 第17-21页 |
| ·熵 | 第17-19页 |
| ·Kullback-Leibler 散度 | 第19页 |
| ·互信息 | 第19-20页 |
| ·负熵 | 第20-21页 |
| ·瞬时混和信号盲分离 | 第21-23页 |
| ·瞬时混和信号盲分离的数学模型 | 第21-22页 |
| ·ICA 的前提假设条件 | 第22-23页 |
| ·ICA 的限制条件 | 第23页 |
| ·小结 | 第23-24页 |
| 第三章 独立分量分析常用算法 | 第24-37页 |
| ·ICA 的独立性判据 | 第24-27页 |
| ·互信息极小化 | 第24页 |
| ·信息极大化 | 第24-25页 |
| ·极大似然估计 | 第25-26页 |
| ·负熵最大化 | 第26-27页 |
| ·各种判据的等价性 | 第27页 |
| ·ICA 的优化算法 | 第27-28页 |
| ·盲分离算法性能评价准则 | 第28-29页 |
| ·基于FastICA 的盲分离算法 | 第29-36页 |
| ·FastICA 算法的基本理论 | 第29页 |
| ·FastICA 的预处理过程 | 第29-30页 |
| ·FastICA 的算法原理和特点 | 第30-32页 |
| ·FastICA 算法的改进方法 | 第32-33页 |
| ·仿真实验 | 第33-36页 |
| ·小结 | 第36-37页 |
| 第四章 引入带通滤波的改进盲分离方法 | 第37-48页 |
| ·观测信号与源信号数目不等问题讨论 | 第37-39页 |
| ·观测信号数目大于源信号数目(m > n ) | 第37-38页 |
| ·观测信号数目小于源信号数目(m < n ) | 第38-39页 |
| ·基于窄带处理的改进盲分离方法 | 第39-46页 |
| ·改进方法的实现原理 | 第39-41页 |
| ·仿真实验 | 第41-46页 |
| ·小结 | 第46-48页 |
| 第五章 旋转机械故障特征盲分离实验分析 | 第48-59页 |
| ·转子不平衡故障特征盲分离 | 第48-52页 |
| ·转子不平衡故障机理及特征 | 第48页 |
| ·转子不平衡实验分析 | 第48-52页 |
| ·齿轮箱振动特征的盲分离 | 第52-58页 |
| ·齿轮箱振动机理分析 | 第52页 |
| ·齿轮箱振动特征盲分离实验分析 | 第52-58页 |
| ·小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·本课题今后需进一步研究的地方 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 个人简历 在读期间发表的学术论文 | 第66页 |
