| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外电梯故障诊断及电梯导靴研究现状 | 第12-13页 |
| 1.2.1 国外研究进展 | 第12页 |
| 1.2.2 国内研究进展 | 第12-13页 |
| 1.3 电梯故障诊断方法的研究 | 第13-15页 |
| 1.3.1 故障诊断中信号处理方法研究现状 | 第13-14页 |
| 1.3.2 故障诊断中模式识别研究现状 | 第14-15页 |
| 1.4 本文研究思路与安排 | 第15-19页 |
| 1.4.1 本文的研究思路 | 第15-16页 |
| 1.4.2 本文章节研究内容的安排 | 第16-19页 |
| 第二章 电梯结构及振动机理分析 | 第19-27页 |
| 2.1 电梯的基本结构 | 第19-21页 |
| 2.1.1 电梯的定义 | 第19页 |
| 2.1.2 电梯的分类 | 第19-20页 |
| 2.1.3 电梯的结构 | 第20-21页 |
| 2.2 电梯乘坐的安全性与振动分析 | 第21-23页 |
| 2.2.1 电梯的运行原理 | 第21-22页 |
| 2.2.2 电梯乘坐的安全性分析 | 第22页 |
| 2.2.3 影响电梯振动的因素 | 第22-23页 |
| 2.3 电梯导靴引起振动的机理分析 | 第23-25页 |
| 2.3.1 导靴分类及结构 | 第23-25页 |
| 2.3.2 影响导靴摩擦的主要因素 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 经验模态分解时频分析的应用研究 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 时频分析方法 | 第27-29页 |
| 3.2.1 EMD基本原理 | 第27-28页 |
| 3.2.2 SVD分解与重构 | 第28-29页 |
| 3.3 基于SVD优化EMD的电梯导靴故障特征提取方法 | 第29-30页 |
| 3.3.1 Hilbert谱和Hilbert边际谱 | 第29页 |
| 3.3.2 SVD优化EMD的特征提取方法 | 第29-30页 |
| 3.4 实验分析 | 第30-34页 |
| 3.4.1 信号处理与分析 | 第30-33页 |
| 3.4.2 实验验证及对比 | 第33-34页 |
| 3.5 本章小结 | 第34-37页 |
| 第四章 基于时频分析和VPMCD的电梯导靴故障诊断 | 第37-53页 |
| 4.1 引言 | 第37页 |
| 4.2 电梯导靴故障诊断系统 | 第37-38页 |
| 4.3 VPMCD方法 | 第38-40页 |
| 4.3.1 VPMCD方法的介绍 | 第38-39页 |
| 4.3.2 VPMCD方法优点 | 第39-40页 |
| 4.4 BP神经网络 | 第40-43页 |
| 4.4.1 BP神经网络结构 | 第40-42页 |
| 4.4.2 BP网络学习算法 | 第42-43页 |
| 4.5 最小二乘支持向量机 | 第43-44页 |
| 4.5.1 最小二乘支持向量机 | 第43-44页 |
| 4.5.2 最小二乘支持向量机的优点 | 第44页 |
| 4.6 基于SVD优化EMD和VPMCD的电梯导靴故障诊断方法 | 第44-51页 |
| 4.6.1 基于时频分析和VPMCD在电梯导靴故障诊断中的应用 | 第44-45页 |
| 4.6.2 IMF能量法提取及分类过程 | 第45-46页 |
| 4.6.3 实验应用 | 第46-49页 |
| 4.6.4 实验对比分析 | 第49-51页 |
| 4.7 本章小结 | 第51-53页 |
| 第五章 结论与展望 | 第53-57页 |
| 5.1 本文主要研究成果 | 第53-54页 |
| 5.2 进一步工作展望 | 第54-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 附录A(攻读硕士期间的学术成果) | 第65页 |
