| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-19页 |
| ·选题背景及意义 | 第14页 |
| ·国内外故障诊断技术发展概况 | 第14-15页 |
| ·数据分类研究对智能故障诊断发展作用简析 | 第15-16页 |
| ·主成分分析与线性判别分析的国内外研究现状 | 第16-17页 |
| ·研究内容与安排 | 第17-19页 |
| 第2章 故障特征数据集的构建与分析 | 第19-28页 |
| ·引言 | 第19页 |
| ·特征测度的筛选 | 第19-20页 |
| ·故障特征数据集的构建 | 第20-21页 |
| ·经典数据集降维算法简析 | 第21-25页 |
| ·主成分分析(PCA)法 | 第21-22页 |
| ·线性判别分析(LDA)法 | 第22-23页 |
| ·费歇判别分析(FDA)法 | 第23-24页 |
| ·Fisherface 法 | 第24页 |
| ·四种数据集降维算法的对比分析 | 第24-25页 |
| ·核函数理论简介 | 第25-26页 |
| ·核函数实现原理 | 第25页 |
| ·核函数特点 | 第25页 |
| ·典型核函数 | 第25-26页 |
| ·线性模式挖掘过程 | 第26页 |
| ·经典方法简析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 数据集降维准则研究 | 第28-37页 |
| ·引言 | 第28页 |
| ·PCA 算法与 FDA 算法的降维准则研究 | 第28-32页 |
| ·PCA 算法的降维准则研究 | 第28-29页 |
| ·FDA 算法的降维准则研究 | 第29-32页 |
| ·PCA 算法与 FDA 算法的降维准则关系 | 第32页 |
| ·偏费歇判别分析（BFDA）算法研究 | 第32-36页 |
| ·BFDA 算法定义 | 第32-33页 |
| ·BFDA 算法的实现过程 | 第33-34页 |
| ·BFDA 算法的应用情况分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 转子故障特征数据集的数据分类方法研究 | 第37-58页 |
| ·引言 | 第37页 |
| ·线性分类法 | 第37-38页 |
| ·两类数据的线性分类算法简介 | 第37-38页 |
| ·分类器功能拓展 | 第38页 |
| ·双跨转子系统故障诊断流程规划 | 第38-39页 |
| ·故障特征数据分类的 KPCA 模型研究 | 第39-46页 |
| ·核主成分分析（KPCA）的基本概念简介 | 第39-40页 |
| ·核函数的选型 | 第40页 |
| ·核参数确定方法研究 | 第40-44页 |
| ·应用情况分析 | 第44-46页 |
| ·故障特征数据分类的 KPCA-FDA 模型研究 | 第46-51页 |
| ·KPCA 算法和 FDA 算法的降维组合设计 | 第46-47页 |
| ·KPCA-FDA 算法的核确定研究 | 第47页 |
| ·故障诊断流程设计 | 第47-48页 |
| ·应用情况分析 | 第48-51页 |
| ·故障特征数据分类的 KPCA-BFDA 模型研究 | 第51-56页 |
| ·KPCA 算法和 BFDA 算法的降维组合设计 | 第51-52页 |
| ·KPCA-BFDA 算法的核确定研究 | 第52页 |
| ·故障诊断流程设计 | 第52-53页 |
| ·应用情况分析 | 第53-56页 |
| ·三种数据集降维算法的对比分析 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第5章 转子实验台测试信息系统开发 | 第58-72页 |
| ·引言 | 第58页 |
| ·转子实验台简介 | 第58-59页 |
| ·功能扩展 | 第59-70页 |
| ·油泵电机开闭控制 | 第59-60页 |
| ·变频电机无级调速控制 | 第60-61页 |
| ·转子运行转速监测 | 第61-62页 |
| ·滤波器组设计 | 第62-63页 |
| ·振动趋势图设计 | 第63-64页 |
| ·数据的资源化保护 | 第64-67页 |
| ·故障辨识 | 第67-68页 |
| ·测试信息系统框架设计 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 结论与展望 | 第72-74页 |
| 结论 | 第72-73页 |
| 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 附录 A 攻读学位期间发表的科研成果目录 | 第79-80页 |
| 附录 B 参加科研项目情况 | 第80页 |