| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-34页 |
| 1.1 课题研究的背景与意义 | 第14-20页 |
| 1.2 风力齿轮箱轴承声发射信号产生机理及特性分析 | 第20-23页 |
| 1.2.1 风力齿轮箱轴承声发射信号产生机理 | 第20页 |
| 1.2.2 风力齿轮箱轴承声发射信号的特性分析 | 第20-23页 |
| 1.3 风力齿轮箱轴承声发射信号特征提取及故障诊断技术研究现状 | 第23-30页 |
| 1.3.1 风力齿轮箱轴承声发射信号特征提取方法的研究现状 | 第23-28页 |
| 1.3.2 风力齿轮箱轴承故障诊断方法的研究现状 | 第28-30页 |
| 1.4 本领域存在的科学问题和关键技术问题 | 第30-31页 |
| 1.5 研究内容与结构安排 | 第31-34页 |
| 第2章 基于EEMD和改进的FastICA的单通道盲源分离方法研究 | 第34-50页 |
| 2.1 引言 | 第34-35页 |
| 2.2 EEMD算法 | 第35页 |
| 2.3 改进的FastICA算法 | 第35-42页 |
| 2.3.1 FastICA算法 | 第35-37页 |
| 2.3.2 FastICA算法的改进 | 第37-38页 |
| 2.3.3 改进的FastICA算法的仿真实验分析 | 第38-42页 |
| 2.4 基于EEMD和改进的FastICA的单通道盲源分离方法 | 第42页 |
| 2.5 实验验证 | 第42-48页 |
| 2.5.1 实验平台及测试仪器 | 第42-45页 |
| 2.5.2 单通道信号的盲源分离 | 第45-48页 |
| 2.6 本章小结 | 第48-50页 |
| 第3章 基于CEEMDAN和云模型特征熵的特征提取方法研究 | 第50-66页 |
| 3.1 引言 | 第50-51页 |
| 3.2 CEEMDAN算法 | 第51-52页 |
| 3.3 云模型理论 | 第52-55页 |
| 3.3.1 云模型定义 | 第52-53页 |
| 3.3.2 云模型的特征 | 第53-54页 |
| 3.3.3 逆向云发生器 | 第54页 |
| 3.3.4 正向云发生器 | 第54-55页 |
| 3.4 样本熵 | 第55-56页 |
| 3.5 基于CEEMDAN和云模型特征熵的特征提取方法 | 第56页 |
| 3.6 实验分析 | 第56-65页 |
| 3.6.1 现场数据采集 | 第56-58页 |
| 3.6.2 信号的CEEMDAN分解与重构 | 第58-62页 |
| 3.6.3 重构信号的特征提取 | 第62-64页 |
| 3.6.4 故障诊断性能比较 | 第64-65页 |
| 3.7 本章小结 | 第65-66页 |
| 第4章 基于改进的EEMD和多尺度排列熵偏均值的特征提取方法研究 | 第66-86页 |
| 4.1 引言 | 第66-67页 |
| 4.2 基于云相似度的EEMD算法 | 第67-74页 |
| 4.2.1 云相似度法 | 第67页 |
| 4.2.2 改进的EEMD算法 | 第67-68页 |
| 4.2.3 改进的EEMD算法的仿真分析 | 第68-74页 |
| 4.3 多尺度排列熵偏均值法 | 第74-76页 |
| 4.3.1 排列熵 | 第74-75页 |
| 4.3.2 多尺度排列熵 | 第75-76页 |
| 4.3.3 多尺度排列熵偏均值 | 第76页 |
| 4.4 基于改进的EEMD算法和PMMPE的特征提取方法 | 第76-77页 |
| 4.5 实验分析 | 第77-85页 |
| 4.5.1 实验数据 | 第77-78页 |
| 4.5.2 敏感本征模态函数分量的选择与特征提取 | 第78-84页 |
| 4.5.3 故障诊断性能比较 | 第84-85页 |
| 4.6 本章小结 | 第85-86页 |
| 第5章 基于多维云模型确定度的模糊支持向量机故障诊断方法研究 | 第86-95页 |
| 5.1 引言 | 第86-87页 |
| 5.2 基于多维云模型确定度的模糊支持向量机 | 第87-89页 |
| 5.2.1 模糊支持向量机 | 第87-88页 |
| 5.2.2 多维云模型及其确定度 | 第88-89页 |
| 5.2.3 改进的模糊支持向量机算法 | 第89页 |
| 5.3 实验分析 | 第89-94页 |
| 5.3.1 仿真数据集实验 | 第89-90页 |
| 5.3.2 实测数据集实验 | 第90-94页 |
| 5.4 本章小结 | 第94-95页 |
| 结论 | 第95-98页 |
| 参考文献 | 第98-109页 |
| 攻读博士学位期间发表的论文及其它成果 | 第109-111页 |
| 致谢 | 第111-112页 |
| 个人简历 | 第112页 |
