| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第14-30页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 旋转机械振动故障机理与特征分析 | 第15-17页 |
| 1.3 旋转机械振动信号分析方法研究现状 | 第17-25页 |
| 1.4 故障特征选择技术研究现状 | 第25-26页 |
| 1.5 旋转机械故障识别方法研究进展 | 第26-27页 |
| 1.6 本文主要研究内容与结构 | 第27-30页 |
| 2 基于无失真端点极值化经验模态分解的故障特征提取 | 第30-54页 |
| 2.1 引言 | 第30页 |
| 2.2 经验模态分解(EMD)基本原理 | 第30-33页 |
| 2.3 端点效应 | 第33-35页 |
| 2.4 UEE-EMD方法的基本原理 | 第35-47页 |
| 2.5 UEE-EMD仿真实验效果 | 第47-49页 |
| 2.6 故障诊断应用实例 | 第49-53页 |
| 2.7 本章小结 | 第53-54页 |
| 3 基于分类树的分层特征选择方法 | 第54-68页 |
| 3.1 引言 | 第54页 |
| 3.2 特征选择的基本思想和研究现状 | 第54-56页 |
| 3.3 基于分类树的分层特征选择方法的提出 | 第56-57页 |
| 3.4 基于分类树的分层特征选择方法的基本原理和算法 | 第57-62页 |
| 3.5 实例应用 | 第62-67页 |
| 3.6 本章小结 | 第67-68页 |
| 4 基于关联特征向量的故障诊断方法 | 第68-86页 |
| 4.1 引言 | 第68页 |
| 4.2 常用的特征组织模式 | 第68-70页 |
| 4.3 关联特征向量的提出 | 第70-72页 |
| 4.4 关联特征向量的应用 | 第72-79页 |
| 4.5 基于关联特征向量的故障诊断 | 第79-85页 |
| 4.6 本章总结 | 第85-86页 |
| 5 基于模糊关联特征向量的故障诊断方法 | 第86-106页 |
| 5.1 引言 | 第86-87页 |
| 5.2 模糊逻辑概述 | 第87页 |
| 5.3 模糊关联特征向量的提出 | 第87-89页 |
| 5.4 模糊关联特征向量的应用 | 第89-100页 |
| 5.5 基于模糊关联特征向量的故障诊断 | 第100-105页 |
| 5.6 本章总结 | 第105-106页 |
| 6 轴心轨迹的直观特征及模仿人眼的轴心轨迹识别 | 第106-122页 |
| 6.1 引言 | 第106页 |
| 6.2 轴心轨迹特征和识别研究现状 | 第106-107页 |
| 6.3 直观特征和模仿人眼的轴心轨迹识别方法的提出 | 第107-108页 |
| 6.4 轴心轨迹直观特征的定义和计算 | 第108-114页 |
| 6.5 基于直观特征融合的轴心轨迹形状表征 | 第114-117页 |
| 6.6 模仿人眼的轴心轨迹识别 | 第117-121页 |
| 6.7 本章小结 | 第121-122页 |
| 7 结论与展望 | 第122-126页 |
| 7.1 研究结论 | 第122-124页 |
| 7.2 进一步研究展望 | 第124-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-145页 |
| 附录1 ：攻读博士期间发表的论文 | 第145-146页 |
| 附录2：攻读博士期间完成和参与的科研项目 | 第146页 |
