| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 混合故障诊断方法在国内外的研究现状 | 第9-13页 |
| 1.2.1 多故障信号特征提取方法的国内外研究现状 | 第9-12页 |
| 1.2.2 故障诊断技术国内外研究现状 | 第12-13页 |
| 1.3 混合 Alpha 稳定分布的分研究现状 | 第13-14页 |
| 1.4 主要研究内容 | 第14-16页 |
| 第2章 混合 Alpha 稳定分布模型 | 第16-28页 |
| 2.1 Alpha 稳定分布模型 | 第16-19页 |
| 2.1.1 Alpha 稳定分布的定义和性质 | 第16-17页 |
| 2.1.2 Alpha 稳定分布参数的物理意义 | 第17-19页 |
| 2.2 混合 Alpha 稳定分布模型 | 第19-21页 |
| 2.3 混合 Alpha 稳定分布模型的参数估计 | 第21-25页 |
| 2.3.1 贝叶斯模型 | 第21-22页 |
| 2.3.2 马尔可夫链蒙特卡洛算法 | 第22-25页 |
| 2.4 仿真结果验证 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于混合 Alpha 稳定分布模型的多故障诊断方法研究 | 第28-46页 |
| 3.1 旋转机械故障的分类 | 第28-29页 |
| 3.2 齿轮和轴承的故障机理 | 第29-34页 |
| 3.2.1 齿轮振动模型 | 第29-30页 |
| 3.2.2 滚动轴承振动模型 | 第30-32页 |
| 3.2.3 齿轮和轴承故障混合形式 | 第32-34页 |
| 3.3 典型单故障诊断方法在处理混合故障时的表现 | 第34-36页 |
| 3.4 基于时域故障信号的混合 Alpha 稳定分布模型 | 第36-39页 |
| 3.5 基于故障信号非平稳特性的混合 Alpha 稳定分布模型 | 第39-41页 |
| 3.6 基于混合 Alpha 稳定分布模型参数的模式识别方法 | 第41-45页 |
| 3.6.1 SOM 网络的拓扑结构 | 第41-43页 |
| 3.6.2 SOM 网络学习算法 | 第43-44页 |
| 3.6.3 基于混合 Alpha 稳定分布参数的 SOM 算法流程 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 实验验证和对比实验分析 | 第46-57页 |
| 4.1 实验设备简介 | 第46-47页 |
| 4.2 实验方案设计 | 第47-48页 |
| 4.3 实验数据分析 | 第48-56页 |
| 4.3.1 基于模型 1 的故障诊断方法实验验证 | 第49-53页 |
| 4.3.2 基于模型 2 的故障诊断方法实验验证 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文 | 第62-64页 |
| 致谢 | 第64页 |
