| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 信号处理技术 | 第11页 |
| 1.2.2 故障诊断方法 | 第11-12页 |
| 1.3 研究内容 | 第12-14页 |
| 第2章 基于复杂度分析的风机机械故障诊断 | 第14-29页 |
| 2.1 风机机械故障的分类识别方法 | 第14-16页 |
| 2.2 基于振动信号样本熵的风机机械故障诊断 | 第16-21页 |
| 2.2.1 风机振动信号样本熵特征提取 | 第16-19页 |
| 2.2.2 故障诊断 | 第19-21页 |
| 2.3 基于振动信号符号动力学信息熵的风机机械故障诊断 | 第21-28页 |
| 2.3.1 风机振动信号符号动力学信息熵特征提取 | 第21-26页 |
| 2.3.2 故障诊断 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于小波包分析的风机机械故障诊断 | 第29-44页 |
| 3.1 小波包分析的基础理论 | 第29-30页 |
| 3.1.1 小波包的定义 | 第29-30页 |
| 3.2 基于小波包频带能量分析的风机机械故障诊断 | 第30-37页 |
| 3.2.1 风机振动信号小波包频带能量特征提取 | 第31-35页 |
| 3.2.2 故障诊断 | 第35-37页 |
| 3.3 基于小波包分析和奇异值分解的风机机械故障诊断 | 第37-42页 |
| 3.3.1 风机振动信号小波包奇异值特征提取 | 第37-40页 |
| 3.3.2 故障诊断 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于 SDP 分析的风机机械故障诊断 | 第44-52页 |
| 4.1 SDP 分析法 | 第44-49页 |
| 4.1.1 SDP 公式及结构 | 第44-45页 |
| 4.1.2 SDP 法的参数选择 | 第45-48页 |
| 4.1.3 SDP 图形的图形处理 | 第48-49页 |
| 4.2 SDP 分析法在风机机械故障诊断中的应用 | 第49-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |