基于盲分离的机械噪声故障诊断研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 绪论 | 第8-23页 |
| 1．1 机械故障监测与诊断发展现状与趋势 | 第8-11页 |
| 1．2 机械噪声诊断的研究与应用现状 | 第11-16页 |
| 1．2．1 机械噪声诊断原理 | 第11-15页 |
| 1．2．2 国内与国外研究现状 | 第15页 |
| 1．2．3 机械噪声诊断存在的问题 | 第15-16页 |
| 1．3 盲分离技术在故障诊断中的应用 | 第16-20页 |
| 1．3．1 盲分离技术的发展 | 第16-19页 |
| 1．3．2 盲分离应用于故障诊断的可行性 | 第19-20页 |
| 1．4 本课题研究背景及论文总体框架 | 第20-22页 |
| 1．4．1 课题提出背景 | 第20页 |
| 1．4．2 本文总体框架 | 第20-22页 |
| 1．5 本章小结 | 第22-23页 |
| 第二章 机械噪声监测系统 | 第23-35页 |
| 2．1 简单监测（检测）装置 | 第23-31页 |
| 2．2．1 基本噪声监测量 | 第23-26页 |
| 2．2．2 声级计原理及其应用 | 第26-30页 |
| 2．2．3 噪声监测的相关标准 | 第30-31页 |
| 2．3 噪声监测系统构架 | 第31-34页 |
| 2．3．1 简易噪声监测系统 | 第31-33页 |
| 2．3．2 基于盲分离的噪声监测子系统 | 第33-34页 |
| 2．4 本章小结 | 第34-35页 |
| 第三章 基于最小互信息量的信号盲分离 | 第35-53页 |
| 3．1 最小互信息量原理 | 第35-36页 |
| 3．2 联合对角化法的盲信号处理 | 第36-42页 |
| 3．2．1 联合对角化与Givens旋转 | 第36-40页 |
| 3．2．2 算法流程 | 第40-41页 |
| 3．2．3 仿真研究 | 第41-42页 |
| 3．3 自然梯度算法的盲信号处理 | 第42-52页 |
| 3．3．1 基本原理 | 第42-46页 |
| 3．3．2 算法流程 | 第46-48页 |
| 3．3．3 仿真研究 | 第48-52页 |
| 3．4 本章小结 | 第52-53页 |
| 第四章 基于最大熵（ME）的信号盲分离 | 第53-65页 |
| 4．1 信息论基础 | 第53-54页 |
| 4．2 最大熵原理 | 第54-55页 |
| 4．3 随机梯度法的盲分离 | 第55-58页 |
| 4．4 仿真实验 | 第58-64页 |
| 4．4．1 算法流程 | 第58-59页 |
| 4．4．2 仿真研究 | 第59-64页 |
| 4．5 本章小结 | 第64-65页 |
| 第五章 盲分离监测与诊断系统研究 | 第65-81页 |
| 5．1 概述 | 第65页 |
| 5．2 烟机组监测与诊断系统 | 第65-79页 |
| 5．2．1 系统基本要求 | 第65-66页 |
| 5．2．2 系统逻辑结构概括 | 第66-69页 |
| 5．2．3 监测系统硬件构架 | 第69-71页 |
| 5．2．4 服务器系统软件模块 | 第71-73页 |
| 5．2．5 系统模块 | 第73-74页 |
| 5．2．6 实时监测模块 | 第74页 |
| 5．2．7 图形分析模块 | 第74-79页 |
| 5．3 盲分离子模块 | 第79-80页 |
| 5．4 本章小结 | 第80-81页 |
| 第六章 结论与展望 | 第81-83页 |
| 6．1 论文总结 | 第81页 |
| 6．2 展望 | 第81-82页 |
| 6．3 本章小结 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89页 |
