| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 中英文缩略语对照表 | 第16-18页 |
| 第1章 绪论 | 第18-27页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 基于模式识别的滚动轴承故障诊断研究现状 | 第19-23页 |
| 1.3 论文研究思路与研究内容 | 第23-27页 |
| 1.3.1 论文研究思路 | 第23-25页 |
| 1.3.2 论文研究内容 | 第25-27页 |
| 第2章 基于凸包的单分类方法 | 第27-44页 |
| 2.1 引言 | 第27-28页 |
| 2.2 基于凸包的单分类方法(OCCCH) | 第28-33页 |
| 2.2.1 研究思路 | 第28-30页 |
| 2.2.2 线性可分情况分析 | 第30-31页 |
| 2.2.3 线性不可分情况分析 | 第31-33页 |
| 2.3 优化算法 | 第33-37页 |
| 2.3.1 Gilbert算法 | 第33-35页 |
| 2.3.2 广义Gilbert算法 | 第35-37页 |
| 2.4 OCCCH与OCSVM的联系 | 第37-39页 |
| 2.4.1 OCSVM | 第37-38页 |
| 2.4.2 联系分析 | 第38-39页 |
| 2.5 数值实验 | 第39-42页 |
| 2.6 本章小结 | 第42-44页 |
| 第3章 基于OCCCH的滚动轴承故障检测 | 第44-64页 |
| 3.1 引言 | 第44-45页 |
| 3.2 MIES | 第45-47页 |
| 3.3 IMIES | 第47-51页 |
| 3.3.1 边缘样本检测器ESDCP | 第47-50页 |
| 3.3.2 新优化目标函数 | 第50-51页 |
| 3.3.3 IMIES算法步骤 | 第51页 |
| 3.4 数值实验 | 第51-56页 |
| 3.4.1 仿真数据集分析 | 第51-54页 |
| 3.4.2 基准数据集分析 | 第54-56页 |
| 3.5 滚动轴承故障检测 | 第56-62页 |
| 3.6 本章小结 | 第62-64页 |
| 第4章 OCCCH的优化算法改进 | 第64-77页 |
| 4.1 引言 | 第64页 |
| 4.2 MDM算法 | 第64-66页 |
| 4.3 广义MDM算法 | 第66-70页 |
| 4.4 广义MDM算法与广义Gilbert算法的比较 | 第70-71页 |
| 4.5 数值实验 | 第71-75页 |
| 4.6 本章小结 | 第75-77页 |
| 第5章 最大间隔弹性凸包分类及其在滚动轴承故障诊断中的应用 | 第77-98页 |
| 5.1 引言 | 第77-78页 |
| 5.2 弹性凸包 | 第78-80页 |
| 5.3 最大间隔弹性凸包分类(MMC-FCH) | 第80-83页 |
| 5.3.1 线性可分情况分析 | 第80-82页 |
| 5.3.2 线性不可分情况分析 | 第82-83页 |
| 5.4 数值实验 | 第83-85页 |
| 5.5 基于MMC-FCH的滚动轴承故障诊断 | 第85-96页 |
| 5.5.1 特征提取与选择 | 第87-89页 |
| 5.5.2 滚动轴承故障类型识别 | 第89-96页 |
| 5.6 本章小结 | 第96-98页 |
| 第6章 最近邻凸包分类及其在滚动轴承故障诊断中的应用 | 第98-117页 |
| 6.1 引言 | 第98页 |
| 6.2 最近邻凸包分类(NNCHC) | 第98-101页 |
| 6.2.1 基本理论 | 第98-100页 |
| 6.2.2 优化算法 | 第100-101页 |
| 6.3 局部特征尺度分解(LCD) | 第101-112页 |
| 6.3.1 分解过程 | 第101-103页 |
| 6.3.2 分量判据研究 | 第103-107页 |
| 6.3.3 分解能力研究 | 第107-112页 |
| 6.4 基于NNCHC和LCD的滚动轴承故障诊断 | 第112-116页 |
| 6.4.1 诊断步骤 | 第112-113页 |
| 6.4.2 应用实例 | 第113-116页 |
| 6.5 本章小结 | 第116-117页 |
| 结论与展望 | 第117-119页 |
| 参考文献 | 第119-134页 |
| 致谢 | 第134-135页 |
| 附录A 攻读学位期间发表和录用的论文目录 | 第135-136页 |
| 附录B 攻读学位期间参与的科研项目 | 第136页 |
