| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的意义和目的 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 时频谱图特征提取方法的研究现状 | 第11-13页 |
| 1.3.2 S 变换及其时频聚焦性的研究现状 | 第13-14页 |
| 1.3.3 二维主成分分析算法研究现状 | 第14-15页 |
| 1.4 主要研究内容 | 第15-16页 |
| 第二章 时频分析方法简介 | 第16-22页 |
| 2.1 傅里叶变换的局限性 | 第16页 |
| 2.2 时频分析方法介绍 | 第16-19页 |
| 2.3 时频分析的基础理论 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 广义 S 变换及时频聚焦性分析 | 第22-39页 |
| 3.1 S 变换 | 第22-26页 |
| 3.1.1 标准 S 变换 | 第22-25页 |
| 3.1.2 广义 S 变换 | 第25-26页 |
| 3.2 广义 S 变换的参数优化 | 第26-30页 |
| 3.2.1 两种改善时频聚集性的参数寻优准则 | 第26-28页 |
| 3.2.2 仿真分析 | 第28-30页 |
| 3.3 一种改进的时频聚焦性准则 | 第30-33页 |
| 3.4 应用实例 | 第33-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于 TD-2DPCA 的时频图像特征提取方法 | 第39-55页 |
| 4.1 灰度化映射 | 第39-41页 |
| 4.2 距离度量方法 | 第41-42页 |
| 4.3 监督式 TD-2DPCA 算法 | 第42-49页 |
| 4.3.1 监督式学习方法 | 第42-43页 |
| 4.3.2 TD-2DPCA 算法 | 第43-45页 |
| 4.3.3 监督式 TD-2DPCA 算法 | 第45页 |
| 4.3.4 应用实例 | 第45-49页 |
| 4.4 半监督式 TD-2DPCA 算法 | 第49-54页 |
| 4.4.1 半监督式学习方法 | 第49-50页 |
| 4.4.2 半监督 TD-2DPCA 算法 | 第50-52页 |
| 4.4.3 应用实例 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于广义 S 变换和 TD-2DPCA 的轴承故障诊断 | 第55-70页 |
| 5.1 轴承故障分类 | 第55-66页 |
| 5.1.1 实验系统及组成 | 第55-56页 |
| 5.1.2 运行状态分析 | 第56-60页 |
| 5.1.3 故障信号特征提取 | 第60-63页 |
| 5.1.4 运行状态识别 | 第63-66页 |
| 5.2 轴承故障程度识别 | 第66-69页 |
| 5.3 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 |
| 附件 | 第79页 |