| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 符号和缩略词说明 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题来源与研究背景及意义 | 第13-14页 |
| 1.1.1 课题来源 | 第13页 |
| 1.1.2 课题研究背景及意义 | 第13-14页 |
| 1.2 滚动轴承故障诊断技术的研究现状 | 第14-17页 |
| 1.3 盲源分离方法的研究现状 | 第17-20页 |
| 1.3.1 盲源分离方法概述 | 第17-19页 |
| 1.3.2 盲源分离方法在机械故障诊断中的应用 | 第19-20页 |
| 1.4 本文的主要研究内容 | 第20-21页 |
| 第二章 基于Hankel矩阵的改进的奇异值分解降噪方法 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 Hankel矩阵和SVD分解重构原理 | 第21-22页 |
| 2.3 传统的SVD方法的降噪原理 | 第22-23页 |
| 2.4 改进的奇异值分解降噪方法 | 第23-27页 |
| 2.5 仿真研究 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 盲源分离的理论基础及算法简介 | 第31-54页 |
| 3.1 引言 | 第31页 |
| 3.2 盲源分离的模型描述 | 第31-34页 |
| 3.2.1 盲源分离的数学模型 | 第31-33页 |
| 3.2.2 盲源分离的基本假设 | 第33页 |
| 3.2.3 盲源分离的不确定性 | 第33页 |
| 3.2.4 盲源分离算法的分离性能判断指标 | 第33-34页 |
| 3.3 概率统计及信息论基础 | 第34-39页 |
| 3.3.1 统计独立性分析 | 第34-35页 |
| 3.3.2 累积量 | 第35-37页 |
| 3.3.3 熵 | 第37-38页 |
| 3.3.4 K-L散度和互信息 | 第38-39页 |
| 3.3.5 负熵 | 第39页 |
| 3.4 盲源分离的经典算法 | 第39-53页 |
| 3.4.1 盲源分离的预处理方法 | 第39-40页 |
| 3.4.2 FastICA算法原理及应用 | 第40-47页 |
| 3.4.3 JADE算法原理及应用 | 第47-50页 |
| 3.4.4 RobustICA算法原理及应用 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于改进的SVD-EMD-BSS的轴承故障诊断研究 | 第54-75页 |
| 4.1 引言 | 第54页 |
| 4.2 EMD算法 | 第54-56页 |
| 4.2.1 固有模态函数 | 第54-55页 |
| 4.2.2 EMD算法基本原理 | 第55页 |
| 4.2.3 EMD分解与小波分解的对比 | 第55-56页 |
| 4.3 基于SVD的源数估计方法 | 第56-57页 |
| 4.4 基于改进的SVD-EMD-BSS的单通道轴承故障诊断 | 第57-58页 |
| 4.5 仿真分析 | 第58-66页 |
| 4.6 试验信号分析 | 第66-74页 |
| 4.6.1 轴承外圈故障诊断 | 第67-71页 |
| 4.6.2 轴承滚动体故障诊断 | 第71-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第81-82页 |
| 致谢 | 第82-83页 |
