| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题背景 | 第10页 |
| ·机械故障诊断方法概述 | 第10-12页 |
| ·傅立叶变换 | 第10-11页 |
| ·阶比分析法 | 第11页 |
| ·神经网络识别方法 | 第11页 |
| ·模糊识别方法 | 第11-12页 |
| ·分形理论的应用及在故障诊断中的优势 | 第12-13页 |
| ·分形理论的应用 | 第12-13页 |
| ·分形学在故障诊断中的优势 | 第13页 |
| ·本文主要研究内容 | 第13-14页 |
| 第2章 分形与多重分形 | 第14-32页 |
| ·分形原理概述 | 第14-16页 |
| ·分形定义 | 第14页 |
| ·分形理论的意义 | 第14-15页 |
| ·分形维数及其计算方法 | 第15-16页 |
| ·多重分形 | 第16-20页 |
| ·多重分形模型 | 第17页 |
| ·多重分形计算方法 | 第17-18页 |
| ·盒子法多重分形算法及流程图 | 第18-20页 |
| ·仿真信号进行盒子法多重分析 | 第20-25页 |
| ·盒子法多重分形维数计算 | 第20-22页 |
| ·盒子法多重分形维数与采样长度的关系 | 第22-24页 |
| ·盒子法多重分形维数与采样频率的关系 | 第24-25页 |
| ·盒子法多重分形维数与噪声的关系 | 第25页 |
| ·信号去噪预处理 | 第25-26页 |
| ·小波模极大值去噪 | 第25-26页 |
| ·仿真验证 | 第26页 |
| ·去趋势波多重分形 | 第26-30页 |
| ·MF-DFA 计算过程及流程图 | 第27-28页 |
| ·仿真信号 MF-DFA 计算 | 第28-30页 |
| ·多重分形评判指标 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于盒子法多重分形原理的故障数据分析 | 第32-53页 |
| ·基于多重分形原理的液压泵故障数据分析 | 第32-46页 |
| ·液压泵试验数据来源 | 第32-33页 |
| ·柱塞泵实验数据多重分形谱分析 | 第33-46页 |
| ·轴承故障多重分形分析 | 第46-52页 |
| ·轴承故障数据来源 | 第46-47页 |
| ·轴承内圈故障数据分析 | 第47-48页 |
| ·轴承外圈故障数据分析 | 第48-50页 |
| ·轴承滚动体故障数据分析 | 第50-51页 |
| ·轴承内圈、外圈、滚动体故障信号分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 基于 MF-DFA 方法故障数据分析 | 第53-73页 |
| ·柱塞泵故障振动信号 MF-DFA 分析 | 第53-66页 |
| ·柱塞泵单柱塞松靴故障数据分析 | 第54-59页 |
| ·柱塞泵单柱塞滑靴磨损数据分析 | 第59-64页 |
| ·柱塞泵单柱塞松靴、滑靴故障信号分析 | 第64-66页 |
| ·轴承故障振动信号 MF-DFA 分析 | 第66-72页 |
| ·轴承内圈故障数据分析 | 第66-68页 |
| ·轴承外圈故障数据分析 | 第68-69页 |
| ·轴承滚动体故障数据分析 | 第69-71页 |
| ·轴承内圈、滚动体、外圈故障信号分析 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第5章 故障特征提取与识别 | 第73-83页 |
| ·故障特征提取 | 第73-77页 |
| ·盒子法多重分形方法故障特征提取 | 第73页 |
| ·MF-DFA 多重分形方法故障特征提取 | 第73页 |
| ·液压泵故障特征提取 | 第73-75页 |
| ·滚动轴承故障特征提取 | 第75-77页 |
| ·故障特征识别 | 第77-82页 |
| ·核模糊 C 均值聚类算法 | 第77-78页 |
| ·基于核模糊 C 均值聚类的轴向柱塞泵振动信号的故障识别 | 第78-80页 |
| ·基于核模糊 C 均值聚类轴承振动信号的故障识别 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 结论 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 作者简介 | 第89页 |