中文摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
1. 绪论 | 第10-15页 |
·课题研究背景以及意义 | 第10页 |
·电机轴承故障诊断方法和研究现状 | 第10-12页 |
·滚动轴承的故障诊断方法 | 第10-11页 |
·国内外轴承故障诊断技术研究现状比较 | 第11-12页 |
·本文的研究思路和研究内容 | 第12-14页 |
·本文研究思路概述 | 第12-13页 |
·本文研究内容概述 | 第13页 |
·本文主要创新 | 第13-14页 |
·本章小结 | 第14-15页 |
2. 轴承故障振动机理与故障特性介绍 | 第15-19页 |
·电机滚动轴承故障振动系统原理概述 | 第15-16页 |
·电机滚动轴承典型故障形式概述 | 第16-17页 |
·典型滚动轴承系统特征频率的公式运算 | 第17页 |
·本章小结 | 第17-19页 |
3. 小波降噪理论在振动信号上的应用 | 第19-38页 |
·传统小波阈值降噪理论介绍 | 第19-21页 |
·时频分析方法概述 | 第19-20页 |
·小波分析原理 | 第20-21页 |
·小波阈值降噪理论介绍 | 第21-23页 |
·小波降噪原理 | 第21-22页 |
·小波阈值降噪算法 | 第22-23页 |
·改进的小波阈值降噪方法的提出 | 第23-29页 |
·传统小波阈值降噪方法简介 | 第23-25页 |
·阈值方法的改进简介 | 第25页 |
·改进阈值函数的提出 | 第25-29页 |
·改进后小波阈值降噪算法在信号降噪上的研究 | 第29-37页 |
·改进后小波降噪算法在仿真信号降噪上初步研究 | 第29-35页 |
·改进后小波降噪算法在机械振动信号降噪上的运用 | 第35-37页 |
·本章小结 | 第37-38页 |
4. 经验模态分解以及其相关改进方法在振动信号上的应用研究 | 第38-69页 |
·经验模态分解理论介绍 | 第38-41页 |
·本征模式函数(Intrinsic Mode Function) | 第38-39页 |
·EMD的基本算法 | 第39-41页 |
·EMD与其它信号分解方法的主要区别 | 第41页 |
·包络谱分析方法 | 第41-42页 |
·包络谱和EMD在滚动轴承故障振动信号特征频率提取中的应用 | 第42-54页 |
·改进的经验模态分解理论介绍 | 第54-62页 |
·总体平均经验模态分解理论概述 | 第54-59页 |
·补充的总体平均经验模态分解理论概述 | 第59-60页 |
·EEMD与CEEMD方法的比较 | 第60-62页 |
·改进的小波阈值降噪方法结合CEEMD的故障特征提取方法应用 | 第62-68页 |
·本章小结 | 第68-69页 |
5. BP神经网络在滚动轴承故障类型识别上的研究 | 第69-77页 |
·BP神经网络原理简介 | 第69-71页 |
·基于BP神经网络模型的电机滚动轴承故障类型识别网络的建立 | 第71-76页 |
·电机滚动轴承振动信号样本数据的处理 | 第71-72页 |
·振动信号样本数据特征参数选取 | 第72页 |
·BP神经网络的设计 | 第72-73页 |
·BP神经网络的训练与检验 | 第73-76页 |
·本章小结 | 第76-77页 |
6. 结论与展望 | 第77-78页 |
参考文献 | 第78-82页 |
攻读硕士学位期间发表学术论文情况 | 第82-83页 |
致谢 | 第83-84页 |
作者简介 | 第84-85页 |