| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-18页 |
| ·复杂网络及在故障诊断中的研究现状 | 第11-13页 |
| ·社团聚类及其研究现状 | 第13-18页 |
| ·本论文的主要工作 | 第18-20页 |
| 第二章 故障样本复杂网络社团特性分析 | 第20-37页 |
| ·复杂网络的数学描述 | 第20-22页 |
| ·度和度分布 | 第20页 |
| ·路径长度和介数 | 第20-21页 |
| ·聚类系数 | 第21-22页 |
| ·故障样本复杂网络模型 | 第22-32页 |
| ·实验设备简介 | 第22-23页 |
| ·故障数据采集 | 第23-25页 |
| ·故障样本网络节点 | 第25页 |
| ·故障样本网络的边权 | 第25-28页 |
| ·建立故障样本数据网络 | 第28-32页 |
| ·故障样本复杂网络社团特性分析 | 第32-36页 |
| ·故障样本网络统计特性 | 第32-34页 |
| ·网络重要节点特性分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于复杂网络社团聚类的机械故障模式识别 | 第37-45页 |
| ·社团聚类算法 | 第37-39页 |
| ·节点关联度的初始社团划分 | 第37-38页 |
| ·冗余社团聚类合并 | 第38-39页 |
| ·基于复杂网络社团聚类的故障诊断模型 | 第39-41页 |
| ·故障诊断步骤 | 第39-40页 |
| ·故障诊断模型 | 第40-41页 |
| ·滚动轴承故障诊断实例 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于复杂网络社团聚类的改进 Kmeans 聚类诊断 | 第45-55页 |
| ·KMEANS 聚类算法的基本原理 | 第45-46页 |
| ·改进 KMEANS 聚类算法 | 第46-49页 |
| ·基于复杂网络社团结构模块性的故障种类确定 | 第46-48页 |
| ·基于复杂网络节点关联度的初始聚类中心确定 | 第48-49页 |
| ·改进 KMEANS 聚类算法故障诊断模型 | 第49-51页 |
| ·故障诊断步骤 | 第49页 |
| ·故障诊断模型 | 第49-51页 |
| ·滚动轴承故障诊断实例 | 第51-54页 |
| ·故障种类与初始聚类中心的确定 | 第51-52页 |
| ·故障诊断结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于复杂网络社团聚类的复合故障特征分离与诊断 | 第55-65页 |
| ·旋转机械复合故障诊断方法简介 | 第55-57页 |
| ·基于复杂网络社团聚类的复合故障特征分离方法 | 第57-59页 |
| ·EMD 算法 | 第57-58页 |
| ·IMF 分量社团聚类方法 | 第58页 |
| ·复杂网络社团聚类的复合故障特征分离诊断模型 | 第58-59页 |
| ·复合故障特征分离与诊断实例研究 | 第59-64页 |
| ·转子不平衡和轴承内圈复合故障诊断 | 第60-62页 |
| ·轴承内圈和滚珠复合故障诊断 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·论文总结 | 第65-66页 |
| ·研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录 攻读学位期间参研项目和发表论文目录 | 第72页 |