| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 特征提取 | 第13-15页 |
| 1.2.2 特征选择与特征降维 | 第15-16页 |
| 1.2.3 退化状态评估 | 第16-17页 |
| 1.2.4 剩余寿命预测 | 第17-18页 |
| 1.3 论文结构和主要内容 | 第18-20页 |
| 第二章 滚动轴承振动信号的特征提取与特征选择 | 第20-41页 |
| 2.1 PRONOSTIA加速寿命试验台 | 第20-22页 |
| 2.2 原始振动数据降噪处理 | 第22-26页 |
| 2.2.1 小波降噪原理 | 第23-25页 |
| 2.2.2 原始振动信号的小波阈值降噪 | 第25-26页 |
| 2.3 滚动轴承的特征信号提取 | 第26-34页 |
| 2.3.1 时域统计特征 | 第26-28页 |
| 2.3.2 频域统计特征 | 第28页 |
| 2.3.3 小波包节点能量 | 第28-29页 |
| 2.3.4 熵特征 | 第29-34页 |
| 2.4 面向剩余寿命预测的特征选择方法 | 第34-40页 |
| 2.4.1 特征信号的性能评价指标 | 第35-36页 |
| 2.4.2 特征选择 | 第36-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于LMD和主成分分析的滚动轴承退化状态评估方法 | 第41-56页 |
| 3.1 基于局部均值分解的特征提取 | 第41-45页 |
| 3.1.1 局部均值分解原理 | 第41-44页 |
| 3.1.2 仿真信号分析 | 第44-45页 |
| 3.1.3 特征提取 | 第45页 |
| 3.2 基于主成分分析的特征变换 | 第45-49页 |
| 3.3 构建退化状态评估指标 | 第49-51页 |
| 3.4 试验验证和结果分析 | 第51-55页 |
| 3.4.1 IMS试验台介绍 | 第51页 |
| 3.4.2 方法验证及结果分析 | 第51-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于多变量SVM和RVM的滚动轴承剩余寿命预测方法 | 第56-76页 |
| 4.1 向量机回归原理和模型参数寻优 | 第56-61页 |
| 4.1.1 支持向量机回归原理 | 第56-58页 |
| 4.1.2 相关向量机回归原理 | 第58-60页 |
| 4.1.3 回归模型核函数和参数的选择 | 第60-61页 |
| 4.2 建立多变量剩余寿命预测模型 | 第61-67页 |
| 4.2.1 构造性能退化评估指标 | 第64-66页 |
| 4.2.2 敏感特征选择 | 第66-67页 |
| 4.3 仿真算例 | 第67-69页 |
| 4.4 试验验证 | 第69-75页 |
| 4.4.1 试验数据分析 | 第69-71页 |
| 4.4.2 试验结果分析 | 第71-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 全文总结 | 第76-77页 |
| 5.2 后续工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 攻读硕士学位期间取得研究成果 | 第86-87页 |