| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第14-16页 |
| 缩略语对照表 | 第16-21页 |
| 第一章 绪论 | 第21-31页 |
| 1.1 选题缘由和意义 | 第21-22页 |
| 1.2 振动信号非平稳、非高斯分析研究现状 | 第22-25页 |
| 1.2.1 线性时频分析 | 第22-23页 |
| 1.2.2 双线性时频分析 | 第23页 |
| 1.2.3 参数自适应时频分析 | 第23-24页 |
| 1.2.4 非参数自适应时频分析 | 第24-25页 |
| 1.2.5 高阶统计量分析 | 第25页 |
| 1.3 智能故障诊断方法概述 | 第25-27页 |
| 1.3.1 人工智能方法 | 第25-26页 |
| 1.3.2 统计学习方法 | 第26-27页 |
| 1.4 设备性能退化评估研究 | 第27-28页 |
| 1.5 论文思路及内容安排 | 第28-31页 |
| 第二章 隐马尔可夫模型及其在轴承智能故障诊断中的应用 | 第31-47页 |
| 2.1 引言 | 第31页 |
| 2.2 马尔可夫链 | 第31-33页 |
| 2.3 隐马尔可夫模型定义 | 第33-35页 |
| 2.3.1 隐马尔可夫模型实例 | 第33-34页 |
| 2.3.2 隐马尔可夫模型的概念 | 第34-35页 |
| 2.4 隐马尔可夫模型算法 | 第35-40页 |
| 2.4.1 前后－后向算法 | 第35-36页 |
| 2.4.2 Viterbi算法 | 第36-37页 |
| 2.4.3 Baum-Welch算法 | 第37-39页 |
| 2.4.4 连续型隐马尔可夫模型 | 第39-40页 |
| 2.5 滚动轴承结构及振动特点 | 第40-44页 |
| 2.5.1 滚动轴承基本组成结构 | 第40-41页 |
| 2.5.2 滚动轴承振动信号特点 | 第41-44页 |
| 2.6 基于隐马尔可夫模型的滚动轴承智能故障诊断 | 第44-45页 |
| 2.7 小结 | 第45-47页 |
| 第三章 Morlet小波参数优化的故障诊断 | 第47-63页 |
| 3.1 引言 | 第47-48页 |
| 3.2 小波分析理论 | 第48-52页 |
| 3.2.1 小波变换定义 | 第48-49页 |
| 3.2.2 连续小波变换的时频局部化特性 | 第49-51页 |
| 3.2.3 小波基选择 | 第51页 |
| 3.2.4 Morlet小波 | 第51-52页 |
| 3.3 Morlet小波参数优化 | 第52-55页 |
| 3.3.1 形状因子选择 | 第52-54页 |
| 3.3.2 尺度参数选择 | 第54-55页 |
| 3.4 特征向量构造 | 第55-57页 |
| 3.4.1 故障特征参数选择 | 第55-57页 |
| 3.4.2 特征向量构造 | 第57页 |
| 3.5 实验研究 | 第57-61页 |
| 3.5.1 实验数据 | 第57-58页 |
| 3.5.2 故障诊断流程 | 第58页 |
| 3.5.3 实验过程参数设置 | 第58页 |
| 3.5.4 实验结果 | 第58-60页 |
| 3.5.5 小波参数优化对比实验 | 第60-61页 |
| 3.5.6 特征参数选择对比实验 | 第61页 |
| 3.6 小结 | 第61-63页 |
| 第四章 小波包特征向量优化的故障诊断 | 第63-79页 |
| 4.1 引言 | 第63-64页 |
| 4.2 小波包分析理论 | 第64-66页 |
| 4.2.1 小波包定义 | 第64页 |
| 4.2.2 小波包子空间分解 | 第64-65页 |
| 4.2.3 信号的小波包分解与重构 | 第65-66页 |
| 4.3 轴承振动信号的小波包分解 | 第66-68页 |
| 4.3.1 轴承振动信号特点 | 第66-67页 |
| 4.3.2 小波函数选择 | 第67-68页 |
| 4.3.3 小波包分解层数估算 | 第68页 |
| 4.4 基于Fisher准则的特征向量优化 | 第68-75页 |
| 4.4.1 特征向量构造 | 第68-69页 |
| 4.4.2 特征向量优化策略 | 第69-70页 |
| 4.4.3 特征向量差异性优化 | 第70-72页 |
| 4.4.4 特征向量相似性优化 | 第72-75页 |
| 4.5 实验研究 | 第75-78页 |
| 4.5.1 实验数据 | 第75页 |
| 4.5.2 故障诊断流程 | 第75-76页 |
| 4.5.3 实验参数设置 | 第76页 |
| 4.5.4 实验结果 | 第76-77页 |
| 4.5.5 对比实验 | 第77-78页 |
| 4.6 小结 | 第78-79页 |
| 第五章 载荷鲁棒的早期故障诊断 | 第79-89页 |
| 5.1 引言 | 第79-80页 |
| 5.2 小波降噪原理 | 第80-82页 |
| 5.2.1 小波降噪数学模型 | 第80页 |
| 5.2.2 小波降噪原理 | 第80-81页 |
| 5.2.3 阈值函数 | 第81-82页 |
| 5.3 轴承振动信号的小波降噪 | 第82-83页 |
| 5.4 载荷鲁棒的早期故障特征参数提取 | 第83-85页 |
| 5.4.1 信号的短时过零率 | 第83页 |
| 5.4.2 滚动轴承振动信号的短时过零率 | 第83-84页 |
| 5.4.3 载荷鲁棒的特征向量构造 | 第84-85页 |
| 5.5 实验研究 | 第85-88页 |
| 5.5.1 实验数据 | 第85页 |
| 5.5.2 故障诊断流程及参数设置 | 第85-86页 |
| 5.5.3 实验结果 | 第86-87页 |
| 5.5.4 小波降噪效果验证 | 第87-88页 |
| 5.6 小结 | 第88-89页 |
| 第六章 双谱主成分分析的故障诊断 | 第89-103页 |
| 6.1 引言 | 第89-90页 |
| 6.2 双谱分析理论 | 第90-92页 |
| 6.2.1 高阶累积量定义 | 第90-91页 |
| 6.2.2 双谱定义和计算 | 第91-92页 |
| 6.3 滚动轴承振动信号双谱特性 | 第92-94页 |
| 6.4 基于双谱的特征向量提取 | 第94-97页 |
| 6.4.1 主成分分析原理 | 第95页 |
| 6.4.2 双谱主成分计算 | 第95-96页 |
| 6.4.3 基于双谱的特征向量特性 | 第96-97页 |
| 6.5 实验研究 | 第97-100页 |
| 6.5.1 实验数据 | 第97-98页 |
| 6.5.2 故障诊断流程 | 第98页 |
| 6.5.3 实验参数设置 | 第98页 |
| 6.5.4 实验结果及分析 | 第98-100页 |
| 6.5.4.1 常规故障诊断 | 第98-99页 |
| 6.5.4.2 工况鲁棒故障诊断 | 第99-100页 |
| 6.6 小结 | 第100-103页 |
| 第七章 滚动轴承性能退化评估研究 | 第103-119页 |
| 7.1 引言 | 第103-104页 |
| 7.2 滚动轴承性能退化试验 | 第104-108页 |
| 7.2.1 试验设备及对象 | 第104-105页 |
| 7.2.1.1 试验设备 | 第104-105页 |
| 7.2.1.2 试验轴承 | 第105页 |
| 7.2.2 数据采集系统 | 第105-107页 |
| 7.2.3 试验方案和操作流程 | 第107-108页 |
| 7.3 性能退化过程研究 | 第108-115页 |
| 7.3.1 常用诊断指标 | 第109页 |
| 7.3.2 性能退化过程常用诊断指标特点 | 第109-113页 |
| 7.3.3 性能退化过程分析 | 第113-115页 |
| 7.4 基于隐马尔可夫模型距离的性能退化表征 | 第115-117页 |
| 7.4.1 隐马尔可夫模型距离 | 第115页 |
| 7.4.2 性能退化过程隐马尔可夫模型距离 | 第115-117页 |
| 7.5 小结 | 第117-119页 |
| 第八章 结论和展望 | 第119-121页 |
| 8.1 研究结论 | 第119-120页 |
| 8.2 研究展望 | 第120-121页 |
| 参考文献 | 第121-141页 |
| 致谢 | 第141-143页 |
| 作者简介 | 第143-144页 |