| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 选题背景及意义 | 第13-14页 |
| 1.2 流形学习算法在国内外的研究现状 | 第14-16页 |
| 1.3 研究内容与安排 | 第16-18页 |
| 第2章 故障信号特征提取方法与常用的数据集降维方法简介 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 故障特征信号提取分析 | 第18-19页 |
| 2.2.1 小波分析简述 | 第18页 |
| 2.2.2 小波包分析简介 | 第18-19页 |
| 2.3 常用的降维方法简介 | 第19-22页 |
| 2.3.1 LDA算法的原理 | 第19-21页 |
| 2.3.2 主成分分析(PCA)法 | 第21-22页 |
| 2.3.3 局部线性嵌入算法（LLE）的相关原理概述 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 NPE算法的转子故障数据集降维方法研究 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 相关原理介绍 | 第24-29页 |
| 3.2.1 PCA算法的原理 | 第24-25页 |
| 3.2.2 核函数实现基本原理 | 第25-26页 |
| 3.2.3 核函数特点简介 | 第26页 |
| 3.2.4 典型的核函数介绍 | 第26页 |
| 3.2.5 KPCA算法的原理 | 第26-28页 |
| 3.2.6 NPE算法的原理 | 第28-29页 |
| 3.3 实验与分析 | 第29-33页 |
| 3.3.1 双跨转子实验台介绍 | 第29-30页 |
| 3.3.2 NPE算法的实现过程 | 第30-31页 |
| 3.3.3 应用情况分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 Schur-ONPE融合算法的故障特征数据集降维方法研究 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 相关原理简介 | 第34-36页 |
| 4.2.1 舒尔（Schur）分解定理 | 第34页 |
| 4.2.2 邻域保持嵌入算法 | 第34-35页 |
| 4.2.3 正交邻域保持嵌入算法 | 第35页 |
| 4.2.4 K近邻分类器 | 第35-36页 |
| 4.3 双跨转子系统故障诊断流程规划 | 第36-37页 |
| 4.3.1 故障数据处理流程 | 第36页 |
| 4.3.2 故障数据降维方法处理流程 | 第36-37页 |
| 4.4 故障特征数据分类的Schur-ONPE模型研究 | 第37-38页 |
| 4.4.1 舒尔分解的正交局部保持嵌入（Schur-ONPE）的基本概念简介 | 第37-38页 |
| 4.4.2 应用情况分析 | 第38页 |
| 4.5 降维算法的对比分析 | 第38-42页 |
| 4.6 分析与讨论 | 第42页 |
| 4.7 本章小结 | 第42-43页 |
| 第5章 Schur-ONPE算法在软件平台中的实现 | 第43-54页 |
| 5.1 引言 | 第43页 |
| 5.2 LABVIEW和MATLAB软件介绍 | 第43-44页 |
| 5.2.1 LABVIEW简介 | 第43-44页 |
| 5.2.2 MATLAB简介 | 第44页 |
| 5.3 设计理念 | 第44-45页 |
| 5.4 基于软件平台的设计建模 | 第45-53页 |
| 5.4.1 信号分析模块 | 第45-48页 |
| 5.4.1.1 EMD分解模块 | 第45-47页 |
| 5.4.1.2 小波分析模块 | 第47-48页 |
| 5.4.2 故障辨识模块 | 第48-51页 |
| 5.4.2.1 NPE故障辨识模块 | 第48-50页 |
| 5.4.2.2 Schur-ONPE故障辨识模块 | 第50-51页 |
| 5.4.5 测试系统框架展示 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 结论 | 第54-55页 |
| 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间发表的科研成果目录 | 第62-63页 |
| 附录B 参加科研项目情况 | 第63页 |
