摘要3-4
ABSTRACT4-5
符号说明5-8
第一章 绪论8-12
1.1 选题的背景、目的及其作用8-9
1.2 国内外相关技术进展近况及进展走势9-10
1.2.1 国外相关技术的进展情况9
1.2.2 国内相关技术的进展情况9-10
1.2.3 国内外相关技术的进展走势10
1.3 本论文主要探讨内容10-12
1.3.1 论文的结构安排11-12
第二章 Hilbert-Huang变换12-20
2.1 EMD策略12-14
2.1.1 概述12
2.1.2 固有模态函数12
2.1.3 EMD策略的筛分历程12-14
2.2 Hilbert谱14-15
2.3 EMD策略在实际信号浅析中的运用15-18
2.4 本章小结18-20
第三章 最小二乘支持向量机分类与回归20-32
3.1 概述20
3.2 支持向量机的基础20-23
3.2.1 机器学习20-21
3.2.2 经验风险最小化21
3.2.3 统计学习论述21-23
3.3 支持向量机分类23-26
3.4 支持向量机回归26-29
3.5 最小二乘支持向量机29-30
3.6 本章小结30-32
第四章 Hilbert-Huang变换端点效应的抑制策略32-48
4.1 概述32-33
4.2 半波均值波形延拓法33-40
4.2.1 波形差别度的计算33-34
4.2.2 半波均值波形延拓策略34-36
4.2.3 半波均值延拓在端点效应不足处理中的运用36-40
4.3 基于LS-SVM回归的端点效应的抑制40-47
4.3.1 LS-SVM延拓原理40-41
4.3.2 LS-SVM延拓在端点效应不足处理中的运用41-47
4.4 本章小结47-48
第五章 基于EMD的机械故障特点提取48-74
5.1 概述48
5.2 基于能量的故障特点提取48-52
5.2.1 分类器的设计49
5.2.2 基于能量的信号特点提取策略在旋转机械故障诊断中的运用49-52
5.3 基于差别度的信息分离策略52-59
5.3.1 差别度模型的设计53-55
5.3.2 基于差别度的信息分离策略在旋转机械故障诊断中的运用55-59
5.4 基于固有模态函数包络谱的旋转机械故障诊断59-72
5.4.1 基于固有模态函数包络谱的旋转机械故障诊断步骤59-60
5.4.2 实测信号浅析60-72
5.5 本章小结72-74
第六章 结论与展望74-78
6.1 本论文工作总结74-75
6.2 探讨展望75-78
致谢78-80