| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 选题背景及意义 | 第12页 |
| 1.2 机械故障诊断技术及其面临的问题 | 第12-13页 |
| 1.3 全局与局部维数约简方法在故障诊断领域中的研究现状 | 第13-15页 |
| 1.3.1 全局与局部维数约简概念简介 | 第13页 |
| 1.3.2 全局与局部降维算法的研究现状 | 第13-14页 |
| 1.3.3 全局与局部降维方法在故障诊断领域中的研究现状 | 第14-15页 |
| 1.4 本文主要研究内容及安排 | 第15-16页 |
| 第2章 典型的全局与局部降维方法简介 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 数据降维实质与作用 | 第16页 |
| 2.3 典型全局降维方法简介 | 第16-18页 |
| 2.3.1 主元分析(PCA)算法 | 第16-17页 |
| 2.3.2 核主元分析KPCA算法 | 第17页 |
| 2.3.3 线性判别分析法（LDA）原理简介 | 第17-18页 |
| 2.4 典型局部降维方法简介 | 第18-21页 |
| 2.4.1 局部保持投影（LPP）算法 | 第18-19页 |
| 2.4.2 局部敏感判别分析（LSDA）算法 | 第19-20页 |
| 2.4.3 最大边界投影MMP算法 | 第20-21页 |
| 2.5 分析与讨论 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 正则化核最大边界投影维数约简的滚动轴承故障诊断方法研究 | 第22-31页 |
| 3.1 引言 | 第22页 |
| 3.2 理论背景 | 第22-25页 |
| 3.2.1 正则化核最大边界投影（RKMMP）算法简介 | 第23-24页 |
| 3.2.2 核极限学习机（KELM）算法简介 | 第24-25页 |
| 3.3 设计的RKMMP维数约简的故障诊断方法 | 第25页 |
| 3.3.1 混合故障数据集、RKMMP与KELM相结合的故障诊断方法的探讨 | 第25页 |
| 3.3.2 故障诊断方法实现的流程与步骤 | 第25页 |
| 3.4 实验结果与分析 | 第25-30页 |
| 3.4.1 实验数据的来源 | 第25-26页 |
| 3.4.2 应用情况与分析 | 第26-30页 |
| 3.5 本章总结 | 第30-31页 |
| 第4章 全局与局部判别信息融合的转子故障数据集降维方法研究 | 第31-40页 |
| 4.1 引言 | 第31页 |
| 4.2 相关的降维算法原理简介 | 第31-32页 |
| 4.2.1 KPCA算法的原理 | 第31-32页 |
| 4.2.2 正交化局部敏感判别分析算法 | 第32页 |
| 4.3 设计的KPCA与OLSDA相融合的流形学习算法 | 第32-34页 |
| 4.3.1 融合算法信息的提取步骤 | 第32-33页 |
| 4.3.2 KPCA-OLSDA算法的具体实现步骤 | 第33-34页 |
| 4.4 KPCA-OLSDA相结合的故障数据降维方法实现 | 第34-35页 |
| 4.4.1 确定的降维效果评价指标 | 第34页 |
| 4.4.2 融合全局与局部判别信息的转子故障数据集降维方法 | 第34-35页 |
| 4.5 实验结果与分析 | 第35-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 全局与局部的LSDA维数约简的故障诊断方法 | 第40-52页 |
| 5.1 引言 | 第40-41页 |
| 5.2 相关算法原理 | 第41-42页 |
| 5.2.1 SDA (Semi-supervised Discriminant Analysis)算法 | 第41页 |
| 5.2.2 UDA (UDP-based Discriminant Analysis) | 第41-42页 |
| 5.2.3 LSDA算法的原理 | 第42页 |
| 5.3 提出的GLLSDA算法 | 第42-44页 |
| 5.3.1 设定的GLMMP目标函数 | 第42-44页 |
| 5.3.2 算法的实施步骤 | 第44页 |
| 5.4 基于GLLSDA的故障诊断方法 | 第44-47页 |
| 5.4.1 高维故障特征数据集 | 第45-46页 |
| 5.4.2 使用GLLSDA维数约简 | 第46页 |
| 5.4.3 WKNNC分类器 | 第46页 |
| 5.4.4 设计的故障诊断方法流程 | 第46-47页 |
| 5.5 应用与分析 | 第47-51页 |
| 5.5.1 转子故障模拟实验 | 第47-51页 |
| 5.6 本章小结 | 第51-52页 |
| 结论与展望 | 第52-54页 |
| 结论 | 第52-53页 |
| 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术论文 | 第60-61页 |
| 附录B 参加科研项目情况 | 第61页 |
