| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-13页 |
| Contents | 第13-16页 |
| 符号说明 | 第16-17页 |
| 第一章 绪论 | 第17-27页 |
| ·课题来源 | 第17页 |
| ·本课题相关领域的历史与发展 | 第17-20页 |
| ·机械装备故障特征提取原理与早期识别方法研究的目的和意义 | 第20-24页 |
| ·机械装备故障特征提取相关关键技术——振动加速度信号压缩研究的目的和意义 | 第21-22页 |
| ·基于故障机理的冲击性振动故障信号特征提取与早期识别的目的和意义 | 第22-23页 |
| ·基于统计方法的往复式压缩机故障示功图特征提取与早期识别的目的和意义 | 第23-24页 |
| ·机械装备故障特征提取原理与早期识别方法的研究现状、问题 | 第24-26页 |
| ·机械装备故障特征提取与早期识别方法研究现状 | 第24-25页 |
| ·机械装备故障特征提取与早期识别方法研究存在的问题 | 第25-26页 |
| ·本文研究内容及结构安排 | 第26-27页 |
| 第二章 机械装备中线性系统故障特征提取的内积变换和模型 | 第27-34页 |
| ·机械装备故障特征提取研究的必要性 | 第27-28页 |
| ·机械装备故障特征及特征提取方法的分类 | 第28-30页 |
| ·按照故障信号的特征及其提取方法分类 | 第28-29页 |
| ·按照故障机理的特征提取方法分类及其适用原则 | 第29-30页 |
| ·线性系统故障特征提取技术的统一数学工具——内积变换 | 第30-33页 |
| ·卷积运算的内积变换形式及特征提取的物理本质 | 第30页 |
| ·常用线性特征提取方法的内积变换形式及特征提取的数学本质 | 第30-31页 |
| ·线性系统故障特征提取的统一数学工具——内积变换 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 振动加速度信号压缩技术研究 | 第34-66页 |
| ·机械装备健康监控对诊断信号压缩的需求 | 第34-39页 |
| ·机械装备健康监控中常用两大类振动信号——位移信号、加速度信号概述 | 第39-41页 |
| ·振动位移信号的性质 | 第39-40页 |
| ·振动加速度信号的性质 | 第40-41页 |
| ·机械装备振动信号压缩现状和问题 | 第41页 |
| ·基于小波变换和最优稀疏表达（Optimal Sparse Representation）的振动加速度信号压缩方法研究 | 第41-55页 |
| ·传统的基于小波变换的振动信号压缩方法及其问题 | 第41-42页 |
| ·基于小波变换和最优稀疏表达的振动加速度信号压缩方法概述 | 第42页 |
| ·基于小波变换和最优稀疏表达的信号压缩特征提取统一数学模型描述 | 第42-46页 |
| ·仿真研究 | 第46-47页 |
| ·实验研究 | 第47-55页 |
| ·工程应用研究 | 第55-65页 |
| ·风力发电机组振动加速度信号压缩 | 第55-59页 |
| ·往复式压缩机振动加速度信号压缩 | 第59-62页 |
| ·关键机泵振动加速度信号压缩 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 基于机理的冲击性振动故障信号特征提取与早期识别 | 第66-97页 |
| ·机械装备冲击性振动故障及其机理概述 | 第66页 |
| ·冲击性振动故障特征提取的研究现状与问题 | 第66-67页 |
| ·冲击性振动故障特征提取的数学方法 | 第67-69页 |
| ·基于最优化滤波截止频率的冲击性振动故障特征提取与早期识别 | 第69-74页 |
| ·最优化滤波截止频率方法 | 第69-70页 |
| ·实验研究 | 第70-74页 |
| ·基于差分进化和反对称实 Laplace 小波（ARLW）的冲击性振动故障特征提取与早期识别 | 第74-86页 |
| ·基于差分进化和 ARLW 的冲击性振动故障特征提取与早期识别方法 | 第77-78页 |
| ·仿真研究 | 第78-81页 |
| ·实验研究 | 第81-86页 |
| ·工程应用研究 | 第86-96页 |
| ·风力发电机组齿轮箱冲击性故障特征提取与早期识别 | 第86-89页 |
| ·关键机泵滚动轴承冲击性故障特征提取与早期识别 | 第89-92页 |
| ·双转子燃气轮机模拟实验台滚动轴承故障弱信号特征提取与早期识别 | 第92-96页 |
| ·本章小结 | 第96-97页 |
| 第五章 基于统计的往复式压缩机示功图特征提取与早期识别方法 | 第97-114页 |
| ·往复式压缩机状态监测与故障诊断及示功图概述 | 第97-100页 |
| ·图形特征提取技术概述 | 第100-102页 |
| ·基于 Curvelet 变换的示功图特征提取 | 第102-103页 |
| ·基于 Curvelet 变换、PCA、NLPCA 的示功图故障特征提取与早期识别方法 | 第103-113页 |
| ·基于 Curvelet 变换、PCA、NLPCA 的示功图故障特征提取与早期识别方法 | 第103-106页 |
| ·实验研究 | 第106-111页 |
| ·与基于小波变换的特征提取对比 | 第111-113页 |
| ·本章小结 | 第113-114页 |
| 第六章 结论与展望 | 第114-116页 |
| ·论文的主要成果 | 第114-115页 |
| ·展望 | 第115-116页 |
| 参考文献 | 第116-121页 |
| 致谢 | 第121-122页 |
| 研究成果及发表的学术论文 | 第122-123页 |
| 发表及已接受的论文 | 第122页 |
| 成果及专利 | 第122-123页 |
| 作者和导师简介 | 第123-124页 |
| 附件 | 第124-126页 |
