| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 旋转机械故障诊断研究背景及意义 | 第11-12页 |
| 1.2 旋转机械故障诊断研究现状 | 第12-17页 |
| 1.2.1 时域分析和频域分析方法 | 第12-14页 |
| 1.2.2 现代信号分析方法 | 第14-16页 |
| 1.2.3 局部均值分解 | 第16-17页 |
| 1.3 本文的研究内容及结构安排 | 第17-19页 |
| 1.3.1 本文研究内容 | 第17-18页 |
| 1.3.2 结构安排 | 第18-19页 |
| 第2章 局部均值分解算法研究 | 第19-27页 |
| 2.1 前言 | 第19页 |
| 2.2 局部均值分解信号处理基础 | 第19-21页 |
| 2.2.1 信号的瞬时频率 | 第19-20页 |
| 2.2.2 调幅信号和调频信号 | 第20-21页 |
| 2.3 局部均值分解基本算法原理 | 第21-25页 |
| 2.3.1 局部均值分解原理 | 第21页 |
| 2.3.2 局部均值分解算法 | 第21-25页 |
| 2.4 局部均值分解存在的问题 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 局部均值分解端点效应的改进方法研究 | 第27-35页 |
| 3.1 前言 | 第27页 |
| 3.2 端点效应产生原因 | 第27-28页 |
| 3.3 基于最大相似系数法的LMD端点效应处理方法 | 第28-32页 |
| 3.3.1 最大相似系数法基本原理 | 第28-29页 |
| 3.3.2 仿真研究 | 第29-32页 |
| 3.4 实验研究 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于微分局部均值分解的旋转机械故障诊断方法 | 第35-49页 |
| 4.1 前言 | 第35页 |
| 4.2 微分局部均值分解基本算法原理 | 第35-38页 |
| 4.2.1 微分局部均值分解基本原理 | 第35-36页 |
| 4.2.2 微分局部均值分解基本算法 | 第36-38页 |
| 4.3 仿真分析研究 | 第38-45页 |
| 4.3.1 仿真实例 1 | 第39-42页 |
| 4.3.2 仿真实例 2 | 第42-45页 |
| 4.4 基于DLMD的旋转机械故障诊断实验研究 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 基于局部均值分解样本熵和模糊聚类的旋转机械故障诊断方法 | 第49-62页 |
| 5.1 前言 | 第49页 |
| 5.2 样本熵理论 | 第49-50页 |
| 5.3 模糊聚类分析 | 第50-53页 |
| 5.3.1 模糊聚类分析原理 | 第50-51页 |
| 5.3.2 基于模糊等价关系的聚类分析方法基本算法 | 第51-53页 |
| 5.4 基于LMD样本熵和模糊聚类的旋转机械故障诊断方法 | 第53-61页 |
| 5.4.1 对比分析 | 第53-55页 |
| 5.4.2 实验研究 | 第55-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第6章 基于MATLAB和Lab VIEW混合编程的旋转机械故障诊断系统 | 第62-74页 |
| 6.1 前言 | 第62页 |
| 6.2 系统简介 | 第62-63页 |
| 6.3 旋转机械故障诊断系统设计 | 第63-73页 |
| 6.3.1 登录界面 | 第63-64页 |
| 6.3.2 信号获取模块 | 第64-69页 |
| 6.3.3 故障特征提取 | 第69-71页 |
| 6.3.4 模式识别诊断决策 | 第71-73页 |
| 6.4 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84页 |
