| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题的提出及其研究意义 | 第9-10页 |
| 1.2 隐Markov模型的研究现状 | 第10-11页 |
| 1.3 隐Markov模型在机械故障诊断中的研究现状 | 第11-13页 |
| 1.4 无限隐Markov模型的国内外研究现状 | 第13-15页 |
| 1.5 论文的主要内容与创新之处 | 第15-17页 |
| 1.5.1 论文的主要内容 | 第15-16页 |
| 1.5.2 关键问题及创新点 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第2章 无限隐Markov模型理论与算法 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 隐Markov模型理论及其存在的不足 | 第18-22页 |
| 2.2.1 隐Markov模型的理论基础 | 第19页 |
| 2.2.2 隐Markov模型的三个基本问题 | 第19-20页 |
| 2.2.3 隐Markov模型的三个基本问题的求解 | 第20-21页 |
| 2.2.4 隐Markov模型存在的不足 | 第21-22页 |
| 2.3 无限隐Markov模型理论 | 第22-29页 |
| 2.3.1Dirichlet过程计算状态间转移概率 | 第23-24页 |
| 2.3.2 分层Dirichlet过程(HDP)推理隐状态转移机制 | 第24-26页 |
| 2.3.3 分层Dirichlet过程(HDP)推理生成机制 | 第26-27页 |
| 2.3.4 超越参数的推理、优化和似然估计 | 第27-29页 |
| 2.4 仿真实例 | 第29-32页 |
| 2.5 iHMM在故障诊断中的作用 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于iHMM的旋转机械故障诊断方法研究 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 谱峭度特征提取 | 第34-35页 |
| 3.3 故障诊断模型的建立 | 第35页 |
| 3.4 实验研究 | 第35-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于无限隐Markov模型的滚动轴承退化趋势预测 | 第44-61页 |
| 4.1 引言 | 第44-45页 |
| 4.2 滚动轴承信号退化特征信号提取 | 第45-48页 |
| 4.2.1 小波变换 | 第45-46页 |
| 4.2.2 信息熵 | 第46-47页 |
| 4.2.3 小波熵 | 第47-48页 |
| 4.3 基于Beam sampling的iHMM理论和算法 | 第48-51页 |
| 4.4 特征提取仿真研究 | 第51-53页 |
| 4.5 预测模型建立 | 第53-54页 |
| 4.6 实验研究 | 第54-59页 |
| 4.7 本章小结 | 第59-61页 |
| 第5章 缺失数据下的基于iHMM滚动轴承退化趋势预测 | 第61-66页 |
| 5.1 引言 | 第61-62页 |
| 5.2 缺失数据下iHMM预测方法选择 | 第62页 |
| 5.3 缺失数据下iHMM预测模型建立 | 第62-63页 |
| 5.4 实验研究 | 第63-65页 |
| 5.4.1 缺失数据处理 | 第64页 |
| 5.4.2 退化趋势预测 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第74-75页 |
| 致谢 | 第75-76页 |
