| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·国内外相关研究 | 第10-14页 |
| ·设备性能退化评估研究现状 | 第10-13页 |
| ·智能诊断的研究现状 | 第13-14页 |
| ·研究内容 | 第14-16页 |
| 第二章 小波包熵和高斯混合模型理论 | 第16-33页 |
| ·小波理论 | 第16-23页 |
| ·连续小波变换 | 第16-17页 |
| ·离散小波变换 | 第17-18页 |
| ·多分辨率分析和 Mallat 算法 | 第18-21页 |
| ·小波包理论 | 第21-23页 |
| ·小波包熵 | 第23-25页 |
| ·小波基函数选择 | 第24-25页 |
| ·小波分解层数确定 | 第25页 |
| ·高斯混合模型理论 | 第25-31页 |
| ·高斯混合模型 | 第26-27页 |
| ·高斯混合模型参数估计 | 第27-29页 |
| ·参数初始化 | 第29-30页 |
| ·混合数目的确定 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于高斯混合模型的设备故障信号分类识别方法 | 第33-50页 |
| ·机械设备故障信号建模方法 | 第33-36页 |
| ·统计信号的建模总体框架 | 第33-35页 |
| ·基于高斯混合模型的建模方法 | 第35-36页 |
| ·滚动轴承模拟实验 | 第36-38页 |
| ·实验系统及其组成 | 第36-37页 |
| ·故障轴承参数 | 第37-38页 |
| ·实验分析 | 第38-49页 |
| ·分解层数和小波基的确定 | 第38-40页 |
| ·故障类型识别 | 第40-41页 |
| ·故障程度识别 | 第41-43页 |
| ·基于相似度的模式识别方法 | 第43-48页 |
| ·实例分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于高斯混合模型的设备性能退化评估方法 | 第50-70页 |
| ·性能退化评估流程 | 第51-52页 |
| ·仿真数据分析 | 第52-55页 |
| ·时域特征趋势分析 | 第52-54页 |
| ·基于高斯混合模型的性能退化分析 | 第54-55页 |
| ·实验分析 | 第55-69页 |
| ·时域特征分析 | 第57-59页 |
| ·基于高斯混合模型的设备性能退化分析 | 第59-67页 |
| ·基于逻辑回归的设备性能退化分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附录 | 第79页 |