| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·论文选题背景及研究意义 | 第9-11页 |
| ·本课题国内外研究现状 | 第11-13页 |
| ·论文的研究内容及安排 | 第13-15页 |
| 2 小波分析 | 第15-27页 |
| ·连续小波变换 | 第15-21页 |
| ·连续小波变换定义 | 第15-19页 |
| ·小波时频窗 | 第19-20页 |
| ·傅里叶变换、Gabor变换、小波变换对比 | 第20-21页 |
| ·离散小波变换 | 第21页 |
| ·多分辨率分析 | 第21-24页 |
| ·尺度函数 | 第21-22页 |
| ·小波函数 | 第22页 |
| ·Mallat算法 | 第22-24页 |
| ·小波包分解 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于连续小波变换的早期故障识别 | 第27-38页 |
| ·小波重构定义 | 第27-29页 |
| ·基于小波熵的最优小波尺度选取 | 第29-30页 |
| ·仿真信号的小波重构 | 第30-34页 |
| ·仿真信号的构建 | 第30-32页 |
| ·仿真信号的小波重构 | 第32-34页 |
| ·实测信号的小波重构 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于小波包分解的早期故障识别 | 第38-47页 |
| ·峭度分析 | 第38-39页 |
| ·基于峭度的最优频带选取 | 第39-40页 |
| ·仿真信号 | 第40-43页 |
| ·实测信号 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于时频分析的单通道信号盲源分离对机械设备的早期故障识别 | 第47-72页 |
| ·经验模式分解 | 第47-52页 |
| ·经验模式分解定义 | 第47-49页 |
| ·经验模式分解滤波 | 第49页 |
| ·源信号个数估计 | 第49-51页 |
| ·最优观察信号选取 | 第51-52页 |
| ·基于时频分析的盲源分离算法 | 第52-57页 |
| ·概述 | 第52-53页 |
| ·数学模型 | 第53-54页 |
| ·数据预处理 | 第54-56页 |
| ·联合对角化 | 第56-57页 |
| ·算法步骤 | 第57页 |
| ·仿真信号的盲源分离 | 第57-64页 |
| ·实测信号的盲源分离 | 第64-71页 |
| ·本章小结 | 第71-72页 |
| 6 基于 LabVIEW的旋转机械在线监测与故障识别系统 | 第72-81页 |
| ·LabVIEW开发平台简介 | 第72页 |
| ·硬件介绍 | 第72-75页 |
| ·采集设备 | 第72-74页 |
| ·传感器 | 第74页 |
| ·硬件搭建 | 第74-75页 |
| ·软件介绍 | 第75-81页 |
| ·用户管理模块 | 第76-77页 |
| ·在线监测模块 | 第77页 |
| ·离线分析模块 | 第77-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间发表学术论文情况 | 第87-88页 |
| 致谢 | 第88-89页 |