| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 主要符号说明表 | 第10-15页 |
| 第一章 绪论 | 第15-31页 |
| 1.1 课题概述 | 第15-16页 |
| 1.1.1 课题来源 | 第15页 |
| 1.1.2 课题意义 | 第15-16页 |
| 1.2 盲信号处理技术发展 | 第16-20页 |
| 1.2.1 BSP理论研究现状 | 第17-18页 |
| 1.2.2 欠定盲分离发展及研究现状 | 第18-19页 |
| 1.2.3 源数目估计方法研究 | 第19-20页 |
| 1.3 盲源分离方法在机械故障诊断领域的研究现状 | 第20-29页 |
| 1.3.1 机械振动盲分离发展现状 | 第20-27页 |
| 1.3.2 机械振动源数目估计算法研究 | 第27页 |
| 1.3.3 研究现状总结 | 第27-29页 |
| 1.4 本文的主要研究工作 | 第29-31页 |
| 第二章 机械故障信号预处理及盲提取模型研究 | 第31-59页 |
| 2.1 引言 | 第31-32页 |
| 2.2 盲信号处理的数学模型 | 第32-37页 |
| 2.2.1 瞬时混合模型 | 第33-34页 |
| 2.2.2 卷积混合模型 | 第34-37页 |
| 2.3 基于盲信号处理模型的机械信号的故障诊断 | 第37-40页 |
| 2.3.1 机械故障诊断 | 第37页 |
| 2.3.2 机械信号盲处理混合模型 | 第37-39页 |
| 2.3.3 机械故障信号盲处理面临的问题 | 第39-40页 |
| 2.4 BSP的预处理方法 | 第40-44页 |
| 2.4.1 零均值处理 | 第40页 |
| 2.4.2 球化处理 | 第40-41页 |
| 2.4.3 广义形态滤波处理 | 第41-42页 |
| 2.4.4 核主成分分析 | 第42-44页 |
| 2.4.5 机械故障诊断的特征约减和提取 | 第44页 |
| 2.4.6 源数目估计 | 第44页 |
| 2.5 基于核独立分量分析的盲源分离算法 | 第44-46页 |
| 2.5.1 核独立分量分析 | 第45-46页 |
| 2.5.2 基于形态滤波的KICA方法研究 | 第46页 |
| 2.6 基于欠定稀疏分量分析盲分离算法 | 第46-49页 |
| 2.6.1 模糊聚类技术 | 第46-47页 |
| 2.6.2 模拟退火算法 | 第47-48页 |
| 2.6.3 基于遗传模拟退火的FCM聚类算法 | 第48页 |
| 2.6.4 基于模拟退火遗传算法优化的FCM聚类的SCA改进算法 | 第48-49页 |
| 2.7 仿真研究 | 第49-52页 |
| 2.7.1 仿真一：KICA算法验证 | 第49-51页 |
| 2.7.2 仿真二：改进SCA算法验证 | 第51-52页 |
| 2.8 应用实例 | 第52-57页 |
| 2.8.1 实例一：轴承外圈内圈故障信号的提取 | 第52-55页 |
| 2.8.2 实例二：轴承内外圈保持架复合故障信号的欠定提取 | 第55-57页 |
| 2.9 本章小结 | 第57-59页 |
| 第三章 机械故障振动信号源数目估计方法研究 | 第59-79页 |
| 3.1 引言 | 第59-60页 |
| 3.2 欠定情况的源数目估计方法研究 | 第60-62页 |
| 3.2.1 特征值分解的源数目估计方法原理 | 第60-61页 |
| 3.2.2 基于特征值源数目估计方法研究 | 第61-62页 |
| 3.2.3 基于EMD-SVD源数目估计算法 | 第62页 |
| 3.3 基于EEMD-ATSVD的欠定盲源数目估计改进方法研究 | 第62-65页 |
| 3.3.1 总体经验模态分析 | 第63-64页 |
| 3.3.2 自适应阈值设置的奇异值分解方法 | 第64页 |
| 3.3.3 基于EEMD-ATSVD源数目估计算法流程 | 第64-65页 |
| 3.4 仿真实验 | 第65-75页 |
| 3.4.1 仿真一：瞬时混合 | 第65-69页 |
| 3.4.2 仿真二：卷积混合 | 第69-75页 |
| 3.5 应用实例 | 第75-77页 |
| 3.5.1 内圈外圈保持架复合故障源数目估计 | 第75-77页 |
| 3.6 本章小结 | 第77-79页 |
| 第四章 基于频域压缩感知重构的欠定盲提取算法研究 | 第79-97页 |
| 4.1 引言 | 第79-80页 |
| 4.2 压缩感知和欠定盲解卷积等价模型建立 | 第80-82页 |
| 4.2.1 两步法欠定盲源分离 | 第80-81页 |
| 4.2.2 压缩感知模型 | 第81-82页 |
| 4.2.3 欠定盲源分离与压缩感知等价性 | 第82页 |
| 4.3 改进形态滤波和频域压缩感知重构的欠定盲提取算法研究 | 第82-87页 |
| 4.3.1 改进形态滤波算法 | 第83-84页 |
| 4.3.2 压缩感知重构算法用于欠定盲源分离重构 | 第84-86页 |
| 4.3.3 改进形态滤波和频域压缩感知重构的欠定盲提取算法 | 第86-87页 |
| 4.4 仿真研究 | 第87-90页 |
| 4.4.1 仿真一：压缩感知重构仿真验证实验 | 第87-88页 |
| 4.4.2 仿真二：GSA-CS欠定盲提取算法验证实验 | 第88-90页 |
| 4.5 滚动轴承应用实例 | 第90-95页 |
| 4.5.1 内外圈复合故障实验 | 第90-93页 |
| 4.5.2 内外圈保持架复合故障实验 | 第93-95页 |
| 4.6 本章小结 | 第95-97页 |
| 第五章 基于盲解卷积的机械声信号盲提取算法 | 第97-115页 |
| 5.1 引言 | 第97-98页 |
| 5.2 单一故障的盲解卷积方法研究 | 第98-99页 |
| 5.3 基于改进的时域盲解卷积方法研究 | 第99-105页 |
| 5.3.1 KL距离相似性信号测量 | 第99-100页 |
| 5.3.2 自适应FCM算法 | 第100-101页 |
| 5.3.3 模糊核C-均值聚类算法 | 第101-102页 |
| 5.3.4 粒子群优化算法 | 第102-103页 |
| 5.3.5 粒子群优化的自适应模糊核聚类算法 | 第103-104页 |
| 5.3.6 粒子群优化的自适应模糊核聚类改进盲解卷积算法 | 第104-105页 |
| 5.4 改进盲解卷积和频域压缩感知重构算法 | 第105页 |
| 5.5 仿真研究 | 第105-107页 |
| 5.6 应用实例 | 第107-112页 |
| 5.6.1 实例一：轴承外圈故障声信号提取 | 第108-110页 |
| 5.6.2 实例二：轴承内外圈复合故障声信号的提取 | 第110-112页 |
| 5.7 本章小结 | 第112-115页 |
| 第六章 总结与展望 | 第115-119页 |
| 6.1 本文总结 | 第115-117页 |
| 6.2 主要创新点 | 第117页 |
| 6.3 研究展望 | 第117-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-131页 |
| 附录A 轴承故障模拟试验平台与数据采集 | 第131-141页 |
| 附录B 攻读博士学位期间主持和参与的项目及获得奖励 | 第141-142页 |
| 附录C 攻读博士学位期间发表与录用的论文 | 第142-143页 |
| 附录D 攻读博士学位期间申请及公布的国家专利和软著 | 第143页 |
