| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-41页 |
| ·研究问题概述 | 第12-17页 |
| ·工作模态分析基本原理及技术特点 | 第12-15页 |
| ·独立分量分析在机械结构动力学分析中的应用背景及研究意义 | 第15-16页 |
| ·课题来源与研究目标 | 第16-17页 |
| ·文献综述 | 第17-39页 |
| ·基于输出响应的工作模态分析技术回顾 | 第17-27页 |
| ·基于盲信号处理的信号分析技术回顾 | 第27-39页 |
| ·本文的体系结构 | 第39-41页 |
| 第二章 独立分量分析的原理及算法研究 | 第41-73页 |
| ·ICA概述 | 第41-42页 |
| ·独立性度量基础 | 第42-55页 |
| ·统计量的概念与二阶统计量 | 第42-43页 |
| ·独立与相关 | 第43-44页 |
| ·特征函数 | 第44-46页 |
| ·高阶统计量 | 第46-48页 |
| ·信息论特征参数 | 第48-52页 |
| ·概率密度函数的级数展开 | 第52-53页 |
| ·白化与预处理 | 第53-55页 |
| ·ICA问题的一般提法与优化判据 | 第55-61页 |
| ·互信息极小化判据 | 第56-57页 |
| ·信息极大化判据 | 第57-59页 |
| ·极大似然判据 | 第59页 |
| ·高阶统计量判据 | 第59-60页 |
| ·判据的近似逼近 | 第60-61页 |
| ·独立分量分解的优化算法 | 第61-70页 |
| ·特征矩阵的联合近似对角化法 | 第62-65页 |
| ·全局最优盲源分离算法 | 第65-68页 |
| ·基于最大信噪比的盲分离算法 | 第68-70页 |
| ·ICA分离分量独立性评价 | 第70-72页 |
| ·ICA分析软件设计 | 第72页 |
| ·小结 | 第72-73页 |
| 第三章 ICA在机械结构动力学分析中的应用原理研究 | 第73-82页 |
| ·引言 | 第73页 |
| ·ICA基向量的模态含义 | 第73-75页 |
| ·系统标准模态的独立性 | 第75-78页 |
| ·ICA计算模态与系统振动模态的一致性验证 | 第78-81页 |
| ·小结 | 第81-82页 |
| 第四章 ICA在工作模态参数辨识中的仿真研究 | 第82-101页 |
| ·仿真环境与系统 | 第82-83页 |
| ·不同激励力的输出响应采用不同算法的ICA分析 | 第83-92页 |
| ·不同背景噪声下输出响应的ICA分析 | 第92-97页 |
| ·不同数据量的输出响应ICA分析 | 第97-100页 |
| ·小结 | 第100-101页 |
| 第五章 ICA在工作模态参数辨识中的实验研究 | 第101-116页 |
| ·实验系统配置 | 第101-103页 |
| ·输出响应的ICA分析 | 第103-110页 |
| ·长数据下的ICA分析 | 第103-109页 |
| ·短数据长度下的ICA分解 | 第109-110页 |
| ·不同载荷下输出响应的OMA分析 | 第110-115页 |
| ·长数据分析 | 第110-113页 |
| ·短数据分析 | 第113-115页 |
| ·小结 | 第115-116页 |
| 第六章 ICA在大型立体仓库高速堆垛机动力学分析中的应用 | 第116-126页 |
| ·高速堆垛机动态测试方法与条件 | 第116-118页 |
| ·基于ICA算法的高速堆垛机模态参数识别 | 第118-121页 |
| ·基于OMA的高速堆垛机模态参数识别 | 第121-124页 |
| ·ICA与OMA辨识结果分析 | 第124-125页 |
| ·小结与结论 | 第125-126页 |
| 第七章 主要结论与展望 | 第126-129页 |
| ·课题的主要研究工作 | 第126-128页 |
| ·研究课题的主要创新点 | 第128页 |
| ·有待继续研究的课题 | 第128-129页 |
| 参考文献 | 第129-142页 |
| 致谢 | 第142-143页 |
| 攻读学位期间发表的学术论文 | 第143-144页 |
| 作者在攻读博士期间的科研情况 | 第144-145页 |
