| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题来源 | 第12页 |
| 1.2 课题研究背景与意义 | 第12-13页 |
| 1.3 滚动轴承故障诊断技术 | 第13-18页 |
| 1.3.1 滚动轴承故障诊断技术发展历程 | 第13-14页 |
| 1.3.2 滚动轴承故障检测常用方法 | 第14-16页 |
| 1.3.3 现代常用滚动轴承故障诊断方法 | 第16-18页 |
| 1.4 基于滚动轴承振动信号的性能退化评估 | 第18-19页 |
| 1.5 本论文研究内容及章节安排 | 第19-20页 |
| 第2章 滚动轴承及其故障机理分析 | 第20-26页 |
| 2.1 滚动轴承简介 | 第20-24页 |
| 2.1.1 滚动轴承常见失效形式 | 第20-22页 |
| 2.1.2 滚动轴承故障特征频率 | 第22-24页 |
| 2.2 本章小结 | 第24-26页 |
| 第3章 基于PCA和MDS的样本特征提取 | 第26-34页 |
| 3.1 主成分分析 | 第26-30页 |
| 3.1.1 主成分概念 | 第26-27页 |
| 3.1.2 样本主成分求解原理 | 第27-29页 |
| 3.1.3 样本主成分选择 | 第29页 |
| 3.1.4 主成分分析的特点 | 第29-30页 |
| 3.2 多维尺度分析 | 第30-32页 |
| 3.2.1 多维尺度分析概述 | 第30-31页 |
| 3.2.2 经典多维尺度分析算法 | 第31页 |
| 3.2.3 计量多维尺度分析 | 第31-32页 |
| 3.2.4 非计量多维尺度分析 | 第32页 |
| 3.3 基于PCA与MDS的数据特征提取与筛选 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于SVM的滚动轴承性能退化评估方法 | 第34-50页 |
| 4.1 支持向量机原理 | 第34-43页 |
| 4.1.1 线性可分支持向量机 | 第34-38页 |
| 4.1.2 广义线性可分支持向量机 | 第38-41页 |
| 4.1.3 高维空间中的支持向量机与核函数 | 第41-43页 |
| 4.2 SVM参数寻优算法 | 第43-44页 |
| 4.3 基于SVM的滚动轴承性能退化评估算法 | 第44-48页 |
| 4.3.1 基于SVM的滚动轴承性能退化评估原理 | 第44-45页 |
| 4.3.2 SVM性能退化评估参数寻优 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 基于SVM和PCA的滚动轴承性能退化评估 | 第50-76页 |
| 5.1 基于SVM与PCA的滚动轴承性能退化模型的建立 | 第50-54页 |
| 5.1.1 基于PCA与MDS的数据特征提取与筛选 | 第50-52页 |
| 5.1.2 基于PCA与SVM的滚动轴承性能退化评估模型 | 第52-54页 |
| 5.2 基于轴承全寿命数据的性能退化评估 | 第54-62页 |
| 5.2.1 实验装置及原始数据采集 | 第54-55页 |
| 5.2.2 滚动轴承全寿命数据特征提取与筛选 | 第55-58页 |
| 5.2.3 性能退化评估模型参数寻优 | 第58-59页 |
| 5.2.4 评估结果及分析 | 第59-62页 |
| 5.3 基于实验室数据的滚动轴承性能退化评估案例 | 第62-74页 |
| 5.3.1 滚动轴承故障试验台 | 第62-64页 |
| 5.3.2 故障设置与数据采集系统 | 第64-66页 |
| 5.3.3 滚动轴承试验数据特征提取与筛选 | 第66-72页 |
| 5.3.4 性能退化评估模型参数寻优 | 第72-73页 |
| 5.3.5 评估结果及分析 | 第73-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第6章 结论与展望 | 第76-78页 |
| 6.1 论文工作总结 | 第76-77页 |
| 6.2 研究展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82-84页 |
| 致谢 | 第84页 |
