| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的提出及其意义 | 第10-11页 |
| 1.2 因子隐Markov模型的研究现状 | 第11-12页 |
| 1.3 无限因子隐Markov模型的研究 | 第12-13页 |
| 1.4 论文的主要研究内容与创新之处 | 第13-14页 |
| 1.4.1 论文的主要内容 | 第13-14页 |
| 1.4.2 论文的创新之处 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 无限因子隐Markov模型理论与算法 | 第15-28页 |
| 2.1 引言 | 第15-16页 |
| 2.2 因子隐Markov模型理论和算法 | 第16-22页 |
| 2.2.1 FHMM的基本原理 | 第16-18页 |
| 2.2.2 FHMM的基本算法 | 第18-21页 |
| 2.2.3 FHMM存在的不足与需要克服的问题 | 第21-22页 |
| 2.3 iFHMM的基本概念与算法 | 第22-27页 |
| 2.3.1 iFHMM的模型构造 | 第22-24页 |
| 2.3.2 利用IBP与截棍构造模型对iFHMM进行参数修正与改进 | 第24-27页 |
| 2.4 本章小节 | 第27-28页 |
| 第3章 基于iFHMM的旋转机械故障识别方法研究 | 第28-37页 |
| 3.1 引言 | 第28-29页 |
| 3.2 FFT-iFHMM识别方法 | 第29-31页 |
| 3.3 实验研究 | 第31-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于ICA-iFHMM的故障识别方法研究 | 第37-46页 |
| 4.1 引言 | 第37页 |
| 4.2 基于ICA的特征提取 | 第37-39页 |
| 4.3 ICA-iFHMM识别方法 | 第39-40页 |
| 4.4 实验研究 | 第40-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 基于粒子群优化的iFHMM的滚动轴承性能退化预测方法研究 | 第46-61页 |
| 5.1 引言 | 第46-47页 |
| 5.2 粒子群优化算法 | 第47-52页 |
| 5.3 PSO-iFHMM算法 | 第52-54页 |
| 5.4 基本尺度熵特征提取 | 第54-56页 |
| 5.5 预测模型建立 | 第56-57页 |
| 5.6 实验研究 | 第57-60页 |
| 5.7 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 本文总结 | 第61-62页 |
| 6.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第70-71页 |
| 致谢 | 第71-72页 |