| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.2.3 发展趋势 | 第13-14页 |
| 1.3 主要研究内容 | 第14-18页 |
| 2 基于FICA的振动故障信号分离 | 第18-26页 |
| 2.1 独立分量分析(ICA) | 第18-19页 |
| 2.2 快速独立分量分析(FICA) | 第19-24页 |
| 2.2.1 基本原理 | 第19-20页 |
| 2.2.2 实现过程 | 第20-22页 |
| 2.2.3 仿真验证 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 3 基于FICA-EEMD的振动故障特征提取 | 第26-36页 |
| 3.1 经验模态分解(EMD) | 第26-29页 |
| 3.1.1 基本原理 | 第26-28页 |
| 3.1.2 主要问题 | 第28-29页 |
| 3.2 集合经验模态分解(EEMD) | 第29-32页 |
| 3.2.1 基本原理 | 第29-30页 |
| 3.2.3 参数选取 | 第30-31页 |
| 3.2.4 仿真验证 | 第31-32页 |
| 3.3 基于FICA-EEMD的特征提取法 | 第32-34页 |
| 3.3.1 FICA-EEMD方法 | 第32-33页 |
| 3.3.2 仿真验证 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 基于IPSO-LSSVM的振动故障识别与分类 | 第36-48页 |
| 4.1 最小二乘支持向量机(LSSVM) | 第36-42页 |
| 4.1.1 SVM的基本原理 | 第36-40页 |
| 4.1.2 LSSVM的基本原理 | 第40-42页 |
| 4.2 改进粒子群优化算法(IPSO) | 第42-44页 |
| 4.2.1 PSO的基本原理 | 第42-43页 |
| 4.2.2 PSO的改进及参数选取 | 第43-44页 |
| 4.3 IPSO-LSSVM诊断模型 | 第44-45页 |
| 4.4 基于FICA-EEMD法的IPSO-LSSVM诊断模型 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 5 实例分析 | 第48-60页 |
| 5.1 测点配置 | 第48-49页 |
| 5.2 实测数据验证与分析 | 第49-58页 |
| 5.2.1 FICA-EEMD特征提取法的实例验证 | 第49-52页 |
| 5.2.2 IPSO-LSSVM诊断模型的实例验证 | 第52-58页 |
| 5.3 本章小结 | 第58-60页 |
| 6 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
