1. 毕业设计（论文）的内容和要求

内容（1）对轴承故障诊断的国内外相关研究成果进行系统梳理，然后论述该问题的研究意义，指出该领域现有研究中的漏洞及不足。

（2）熟悉经验模态分解等降噪算法和智能分类算法等机器学习算法，学会各种算法的实现。

（3）学会轴承故障诊断的基本步骤，并学会使用matlab编程。

2. 参考文献

[1] 陈志新,徐金梧,杨德斌.基于复小波块阈值德降噪方法及其在机械故障诊断中的应用[J].机械工程学报,2007,43(6):200-204. [2] 李复才,何正嘉,陈进.小波域相关滤波法及其早期故障预示应用[J].振动工程学报,2005, 18(2):145-148. [3] Hyv rinen A,Oja E.Independent component anal-ysis:algorithms and applications[J].Neural Net-works,2000,13(4-5):411-430. [4] Hyvarinen A,Karhunaen J,Oja E.Independent component analysis[M].New York:John Wiley amp; Sons Inc,2001. [5] Tse P W,Zhang J Y,Wang X J.Blind Source separa-tion and blind equalization algorithms for me-chanical signal separation and identification[J]. Journal of Vibration and Con-trol,2006,12(4):395-423. [6] Zhou W L,Chelidze D.Blind source separation based vibration mode identification[J]. Mechani-cal Systems and SignalProcessing,2007, 21(8): 3072-3087. [7] 冷永刚,陈婷婷,黄立坤,等.基于独立分量分析的盲源分离方法[J].振动工程学报,2010,23(5): 508-513. [8] 申永军,杨绍普,孔德顺,等.一种基于奇异值分解的欠定盲信号分离方法[J].振动与冲击, 2008,27(s):157-159. [9] 李志农,刘卫兵,易小兵,等.基于局域均值分解的机械故障欠定盲源分离分发研究[J].机械工程学报,2011,47(7):97-102. [10] Bogdan Mijovic,Joachim,Taelman,Sabine Van Huffel.Source Separation From Single-Channel Recordings by Combining Empirical Mode De-composition and Independent Component Analy-sis[J].IEEE Transactions on Biomedical Engi-neering.2010,57(9):2188-2196. [11] 李晓晖,傅攀.基于EEMD的单通道盲源分离在轴承故障诊断中的应用[J].中国机械工程,2014, 25(7): 924-930. [12] Wu Z H,Huang N E.Ensemble Empirical Mode Decomposition:A Noise-assisted Data Analysis Method[J].Advances in Adaptive Data Analysis, 2009,1(1):1-41.

3. 毕业设计（论文）进程安排

1-8至1-20 查阅中英文资料20篇以上熟悉相关算法等。

1-20至1-31 提交打印好的文献综述及开题报告（围绕任务书，完成方案论证，工作思路等） 2-1至2-15 学习EMD、SVM等算法基本原理和实现 3-16至4-26 学习使用MTLAB设计界面 4-27至5-17 将算法融入界面中，形成可操作的故障诊断系统 5-18至6-08 10000字以上论文撰写，准备300字的英文摘要，完成论文提交 6-09至6-15 论文答辩