| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 本文的研究意义 | 第7-8页 |
| 1.1.1 常见故障特征提取方法的不足 | 第7-8页 |
| 1.1.2 盲源分离在机械设备故障诊断中的意义 | 第8页 |
| 1.2 盲源分离技术 | 第8-14页 |
| 1.2.1 源信号的混合方式 | 第9-11页 |
| 1.2.2 盲源分离的条件限制以及不确定性 | 第11-12页 |
| 1.2.3 预处理 | 第12-13页 |
| 1.2.4 盲源分离技术的历史发展 | 第13-14页 |
| 1.2.5 盲源分离技术的发展趋势 | 第14页 |
| 1.3 盲源分离技术在旋转机械故障特征提取中的应用发展 | 第14-15页 |
| 1.4 本论文文的研究主要内容 | 第15-16页 |
| 1.4.1 主要研究内容 | 第15页 |
| 1.4.2 各章节内容安排 | 第15页 |
| 1.4.3 论文的所作的核心工作 | 第15-16页 |
| 第二章 盲源分离理的基本理论以及常见算法 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 盲源分离理论的基本知识 | 第16-19页 |
| 2.2.1 源信号的统计特征 | 第16页 |
| 2.2.2 高阶统计量 | 第16-19页 |
| 2.2.3 信息论基础 | 第19页 |
| 2.3 盲源分离模型 | 第19-20页 |
| 2.4 分离性能指标 | 第20-21页 |
| 2.4.1 元素优势指标(PI) | 第20-21页 |
| 2.4.2 矩阵BA 行元素优势指标 | 第21页 |
| 2.4.3 二次残差(QVD)指标 | 第21页 |
| 2.5 常见算法介绍 | 第21-24页 |
| 2.5.1 最大熵算法 | 第21-22页 |
| 2.5.2 固定点迭代的快速神经算法 | 第22页 |
| 2.5.3 基于四阶互累积量的联合对角化法(JADE 法) | 第22-24页 |
| 第三章 源数估计 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 源数估计的原理 | 第24-28页 |
| 3.2.1 比较特征值法 | 第25页 |
| 3.2.2 基于奇异值分解的源数估计方法 | 第25-28页 |
| 3.2.3 基于高阶累积量的源数估计方法 | 第28页 |
| 3.3 新的四阶累积量源数估计 | 第28-29页 |
| 3.4 仿真研究 | 第29-32页 |
| 3.4.1 基于特征值比值法的各种算法比较 | 第30-31页 |
| 3.4.2 阀值的选择 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于联合对角化的盲分离算法在机械故障诊断中的应用 | 第33-44页 |
| 4.1 引言 | 第33页 |
| 4.2 问题的数学模型 | 第33页 |
| 4.3 基于二阶统计量的旋转机械振动信号分离 | 第33-36页 |
| 4.4 基于四阶累积量矩阵 | 第36-37页 |
| 4.5 仿真验证 | 第37-41页 |
| 4.6 实验分析 | 第41-44页 |
| 第五章结论与展望 | 第44-45页 |
| 5.1 主要结论 | 第44页 |
| 5.2 建议与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 攻读硕士期间发表论文 | 第49-50页 |
| 详细摘要 | 第50-53页 |
