1 绪论
1.1课题研究背景
1.2信号的特征提取研究现状
1.2.1 数学形态学国内外研究现状
1.2.2 形态学滤波器的变体
1.3信号的故障识别神经网络
1.4主要工作及内容安排
2 故障机理
2.1轴承故障形成的原因
2.1.1轴承故障的表现形式
2.1.2轴承故障的特征频率计算
2.2齿轮故障机理
2.2.1 齿轮故障形成原因
2.2.2 齿轮故障表现形式
3 级联黑白帽变换形态滤波器的应用
3.1引言
3.2数学形态学基本理论
3.2.1柔性形态滤波
3.2.2 广义形态滤波
3.2.3 双算子形态滤波
3.3时域信号处理中的数学形态学
3.3.1时域信号形态学基础
3.3.2滤波器的组合
3.3.3 多尺度形态学
3.4形态差分滤波器的改进
3.4.1黑白帽变换形态滤波器
3.4.2 级联黑白帽变换形态滤波器
3.5滤波器的改进比较
3.6级联黑白帽变换形态滤波器的故障诊断
3.7本章小结
4 基于宽度神经网络和级联黑白帽变换的应用
4.1引言
4.2数学形态谱基本理论
4.2.1 数学形态谱的基本性质
4.3神经网络基本理论
4.3.1 受限玻尔兹曼机
4.3.2 自动编码器
4.4线性回归理论
4.4.1 正则化理论
4.4.2 岭回归理论
4.4.3 Lasso回归理论
4.5宽度学习系统
4.5.1 宽度学习模型
4.5.2 增强节点的更新
4.5.3 特征映射节点的更新
4.5.4 权重的更新
4.6故障方案设计
4.7基于宽度学习和形态谱的故障诊断方法
4.7.1数据的采集
4.7.2形态谱参数选择
4.7.3频谱、形态谱差异性比较
4.7.4故障诊断方案
4.8齿轮箱的故障诊断
4.9本章小结
结论
参考文献
附录A算法的部分程序
在学研究成果
致谢
