| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10页 |
| 1.2 旋转机械故障诊断技术的研究现状及发展趋势 | 第10-13页 |
| 1.2.1 旋转机械故障诊断技术的研究内容与现状 | 第10-12页 |
| 1.2.2 旋转机械故障诊断技术的发展趋势 | 第12-13页 |
| 1.3 特征选择算法及其在故障诊断中的应用 | 第13-15页 |
| 1.3.1 特征选择研究现状及研究趋势 | 第13-14页 |
| 1.3.2 特征选择在故障诊断中的应用 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第2章 特征选择与 RELIEFF 加权特征选择方法 | 第16-30页 |
| 2.1 特征选择概述 | 第16-17页 |
| 2.1.1 特征选择的定义与作用 | 第16页 |
| 2.1.2 特征选择与特征变换的区别 | 第16-17页 |
| 2.2 模式分类中特征选择的一般过程 | 第17-21页 |
| 2.2.1 特征选择的基本框架 | 第17-18页 |
| 2.2.2 特征子集生成 | 第18-19页 |
| 2.2.3 特征子集评价 | 第19-21页 |
| 2.2.4 停止条件 | 第21页 |
| 2.2.5 结果验证 | 第21页 |
| 2.3 ReliefF 加权特征选择方法 | 第21-26页 |
| 2.3.1 Relief 系列算法 | 第21-22页 |
| 2.3.2 ReliefF 加权特征选择方法 | 第22-24页 |
| 2.3.3 特征相关性算法 | 第24-26页 |
| 2.4 主元分析方法 | 第26-29页 |
| 2.4.1 PCA 原理 | 第26页 |
| 2.4.2 PCA 算法 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 振动信号采集与预处理分析技术 | 第30-56页 |
| 3.1 振动信号采集 | 第30-37页 |
| 3.1.1 液压泵各状态振动信号采集实验系统 | 第30-33页 |
| 3.1.2 轴承各状态振动信号采集实验系统 | 第33-37页 |
| 3.2 信号的解调 | 第37-51页 |
| 3.2.1 调制与包络解调 | 第37-38页 |
| 3.2.2 基于小波包变换的共振频带确定 | 第38-42页 |
| 3.2.3 基于小波包变换的带通滤波和消噪 | 第42-46页 |
| 3.2.4 基于 Hilbert 变换的包络解调法 | 第46-51页 |
| 3.3 振动信号特征提取 | 第51-55页 |
| 3.3.1 信号的时域特征参数提取 | 第51-53页 |
| 3.3.2 信号的时频域特征参数提取 | 第53页 |
| 3.3.3 液压泵包络解调信号的特征提取 | 第53-54页 |
| 3.3.4 轴承包络解调信号的特征提取 | 第54-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第4章 RELIEFF 加权特征选择方法在旋转机械故障诊断中的应用 | 第56-66页 |
| 4.1 利用 ReliefF 加权特征选择方法进行特征选择 | 第56-61页 |
| 4.1.1 算法仿真分析 | 第56-58页 |
| 4.1.2 算法应用实例分析 | 第58-61页 |
| 4.2 模式识别 | 第61-65页 |
| 4.2.1 K 均值聚类 | 第61-63页 |
| 4.2.2 基于 K 均值聚类的液压泵振动信号的故障识别 | 第63-64页 |
| 4.2.3 基于 K 均值聚类的轴承振动信号的故障识别 | 第64-65页 |
| 4.3 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
