| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 风机叶片裂纹损伤状态检测技术发展现状 | 第11-14页 |
| 1.2.1 国内外风机状态监测设备现状 | 第11-12页 |
| 1.2.2 风机叶片损伤检测技术现状 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 第二章 风机叶片裂纹损伤识别方法研究 | 第15-21页 |
| 2.1 风机叶片振动数学模型 | 第15-16页 |
| 2.2 常用的非平稳信号分析方法 | 第16-20页 |
| 2.2.1 小波分析 | 第16-17页 |
| 2.2.2 Gabor变换 | 第17-18页 |
| 2.2.3 Wigner-Ville分布 | 第18-19页 |
| 2.2.4 希尔伯特-黄变换 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 EMD分解原理及双谱分析方法 | 第21-41页 |
| 3.1 经验模态分解 | 第21-22页 |
| 3.2 特征模态函数的特点 | 第22-25页 |
| 3.2.1 特征模态函数的自适应性 | 第22-24页 |
| 3.2.2 特征模态函数的完备性 | 第24页 |
| 3.2.3 特征模态函数的调制性 | 第24-25页 |
| 3.3 双谱分析技术 | 第25-39页 |
| 3.3.1 双谱的概念 | 第25-28页 |
| 3.3.2 双谱的计算 | 第28-29页 |
| 3.3.3 双谱在信号特征提取中的仿真应用 | 第29-32页 |
| 3.3.4 双谱对含有高斯噪声信号的分析 | 第32-35页 |
| 3.3.5 特征模态函数的双谱分析技术在叶片裂纹识别中的仿真应用 | 第35-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于KPCA的去噪方法研究 | 第41-57页 |
| 4.1 相空间重构 | 第41-46页 |
| 4.1.1 延迟时间? 的选择 | 第42-44页 |
| 4.1.2 嵌入维数m的选择 | 第44-46页 |
| 4.2 KPCA的基本原理 | 第46-49页 |
| 4.3 不同核函数主元分析能力仿真研究 | 第49-51页 |
| 4.4 基于特征分解的KPCA算法 | 第51-52页 |
| 4.5 时间序列的KPCA去噪仿真 | 第52-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 风机叶片裂纹损伤识别的实验研究 | 第57-71页 |
| 5.1 风机叶片振动试验平台 | 第57-58页 |
| 5.2 风机叶片裂纹损伤识别的试验方案 | 第58-59页 |
| 5.3 叶片振动信号的KPCA降噪处理 | 第59-64页 |
| 5.3.1 采集数据的相空间重构 | 第60-63页 |
| 5.3.2 叶片一维振动数据的核主元分析方法去噪 | 第63-64页 |
| 5.4 去噪后叶片振动信号的特征模态函数的双谱分析 | 第64-70页 |
| 5.4.1 去噪后振动信号的特征模态函数重构 | 第64-65页 |
| 5.4.2 重构IMF分量的双谱分析 | 第65-68页 |
| 5.4.3 对角切片双谱的分析 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79页 |