| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-41页 |
| ·设备状态监测诊断技术的选题意义与研究内容 | 第13-17页 |
| ·选题意义 | 第13-15页 |
| ·研究内容概述 | 第15-17页 |
| ·多元统计分析概述 | 第17-26页 |
| ·主分量分析 | 第17-19页 |
| ·独立分量分析 | 第19-21页 |
| ·核主分量分析 | 第21-24页 |
| ·盲源分离 | 第24-26页 |
| ·多元统计分析在状态监测诊断中的研究现状与发展 | 第26-28页 |
| ·论文的主要研究工作 | 第28-31页 |
| ·主要研究内容与技术路线 | 第28-29页 |
| ·内容结构安排 | 第29-31页 |
| ·论文的创新点 | 第31页 |
| 参考文献 | 第31-41页 |
| 第二章 单维振动信号的ICA高阶统计信息提取及应用研究 | 第41-65页 |
| ·引言 | 第41页 |
| ·一维信号的ICA高阶统计特征提取 | 第41-43页 |
| ·基于ICA的瞬态检测方法 | 第43-57页 |
| ·检测原理 | 第44-45页 |
| ·检测途径 | 第45-47页 |
| ·收敛性分析 | 第47-49页 |
| ·仿真分析 | 第49-53页 |
| ·仿真信号 | 第49-50页 |
| ·瞬态检测 | 第50-52页 |
| ·与其他方法的比较 | 第52-53页 |
| ·在齿轮箱状态监测中的应用 | 第53-57页 |
| ·基于ICA的振动信号模式特征 | 第57-61页 |
| ·ICA基滤波器 | 第57-58页 |
| ·ICA基滤波相关特征 | 第58-60页 |
| ·状态监测实验分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 第三章 基于KPCA非线性特征子空间的状态监测研究 | 第65-87页 |
| ·引言 | 第65-66页 |
| ·利用KPCA提取非线性特征 | 第66-71页 |
| ·统计特征提取 | 第66-68页 |
| ·时域统计特征 | 第66-68页 |
| ·频域统计特征 | 第68页 |
| ·非线性特征提取 | 第68-71页 |
| ·PCA表达 | 第68-69页 |
| ·KPCA表达 | 第69-71页 |
| ·基于KPCA的子空间结构 | 第71-72页 |
| ·实验结果 | 第72-84页 |
| ·信号分析 | 第73-74页 |
| ·特征分析 | 第74-78页 |
| ·基于KPCA1子空间的状态监测 | 第78-79页 |
| ·基于KPCA2子空间的状态监测 | 第79-82页 |
| ·讨论 | 第82-84页 |
| ·本章小结 | 第84页 |
| 参考文献 | 第84-87页 |
| 第四章 设备状态多元统计特征提取的特征评价与选取研究 | 第87-109页 |
| ·引言 | 第87页 |
| ·多元统计特征提取 | 第87-89页 |
| ·设备状态的统计模式特征 | 第87-88页 |
| ·多元统计特征 | 第88-89页 |
| ·特征评估与选取 | 第89-94页 |
| ·基于低维主分量特征表示的设备状态监测方案 | 第94-96页 |
| ·实验验证 | 第96-106页 |
| ·内燃机磨损诊断 | 第96-102页 |
| ·汽车齿轮箱疲劳监测 | 第102-106页 |
| ·本章小结 | 第106-107页 |
| 参考文献 | 第107-109页 |
| 第五章 基于盲源分离的振动分量分离与提取研究 | 第109-130页 |
| ·引言 | 第109-110页 |
| ·基于线性ICA的盲源分量分离 | 第110-113页 |
| ·试验概述 | 第110页 |
| ·信号时延估计 | 第110-112页 |
| ·信号分量分离 | 第112-113页 |
| ·盲卷积分离 | 第113-117页 |
| ·卷积混叠模型 | 第113-114页 |
| ·基于非线性取消规则的盲卷积分离准则 | 第114-115页 |
| ·基于最大熵的盲卷积分离算法 | 第115-117页 |
| ·盲卷积分离算法控制研究 | 第117-119页 |
| ·迭代步长 | 第117页 |
| ·收敛性检验 | 第117页 |
| ·分离效果检验 | 第117-118页 |
| ·限值检验控制准则 | 第118-119页 |
| ·基于盲卷积分离的振动分量分离与提取 | 第119-122页 |
| ·旋转机械振动信号的特点 | 第119页 |
| ·瞬态信号与噪声信号的仿真分离与提取 | 第119-122页 |
| ·一种高效的盲卷积分离算法 | 第122-126页 |
| ·分离算法原理 | 第123-124页 |
| ·仿真实验分析 | 第124-126页 |
| ·本章小结 | 第126-127页 |
| 参考文献 | 第127-130页 |
| 第六章 全文总结 | 第130-133页 |
| 附录 | 第133-135页 |
| 附录A: 引理4.1的证明 | 第133页 |
| 附录B: 引理4.2的证明 | 第133-134页 |
| 附录C: 定理4.1的证明 | 第134-135页 |
| 作者在攻读博士学位期间发表的学术论文 | 第135-136页 |
| 致谢 | 第136页 |
