| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题背景和意义 | 第13-14页 |
| 1.2 模式识别方法在旋转机械故障诊断中的应用现状与趋势 | 第14-16页 |
| 1.3 论文的研究思路及章节安排 | 第16-19页 |
| 1.3.1 论文的研究思路 | 第16-18页 |
| 1.3.2 论文的章节安排 | 第18-19页 |
| 第2章 旋转机械故障机理及监测诊断技术 | 第19-37页 |
| 2.1 旋转机械常见故障及特征 | 第19-31页 |
| 2.1.1 齿轮故障及特征 | 第19-24页 |
| 2.1.2 滚动轴承故障及特征 | 第24-28页 |
| 2.1.3 转子故障及特征 | 第28-31页 |
| 2.2 旋转机械故障诊断方法 | 第31-36页 |
| 2.2.1 旋转机械振动信号处理方法 | 第31-34页 |
| 2.2.2 旋转机械故障模式识别方法 | 第34-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第3章 基于多变量预测模型的模式识别方法 | 第37-42页 |
| 3.1 变量预测模型 | 第37-38页 |
| 3.2 基于多变量预测模型的模式识别方法原理 | 第38-39页 |
| 3.3 与其它模式识别方法的对比分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于样本熵和 VPMCD 的旋转机械故障诊断方法 | 第42-50页 |
| 4.1 样本熵算法及性质 | 第42-43页 |
| 4.2 基于样本熵和 VPMCD 的旋转机械故障诊断方法 | 第43-44页 |
| 4.3 实验分析 | 第44-49页 |
| 4.3.1 齿轮故障诊断实验分析 | 第44-47页 |
| 4.3.2 转子故障诊断实验分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于排列熵和 VPMCD 的滚动轴承故障诊断方法 | 第50-57页 |
| 5.1 排列熵算法及其参数的选择 | 第50-53页 |
| 5.2 基于排列熵和 VPMCD 的滚动轴承故障诊断方法 | 第53页 |
| 5.3 实验分析 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 基于 ICA 相关系数和 VPMCD 的滚动轴承故障诊断方法 | 第57-63页 |
| 6.1 独立分量分析和相关系数分析方法 | 第57-58页 |
| 6.2 基于 ICA 相关系数和 VPMCD 的滚动轴承故障诊断方法 | 第58-59页 |
| 6.3 实验分析 | 第59-62页 |
| 6.4 本章小结 | 第62-63页 |
| 第7章 基于 OC-VPMCD 的滚动轴承故障诊断方法 | 第63-71页 |
| 7.1 新异类检测方法 | 第63-64页 |
| 7.1.1 单类支持向量机 | 第63-64页 |
| 7.1.2 自组织映射神经网络 | 第64页 |
| 7.2 基于 VPMCD 的新异类检测方法—OC-VPMCD 方法 | 第64-65页 |
| 7.3 基于 OC-VPMCD 的滚动轴承故障诊断方法 | 第65-66页 |
| 7.4 实验分析 | 第66-69页 |
| 7.5 本章小结 | 第69-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 附录 A 攻读学位期间发表和录用的论文目录 | 第79-80页 |
| 附录 B 攻读学位期间参与的科研项目 | 第80页 |
