| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 引言 | 第11-12页 |
| 1.2 机械故障诊断的发展概况 | 第12-13页 |
| 1.3 旋转机械故障诊断的发展概况 | 第13-14页 |
| 1.4 本论文的主要结构和工作内容 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 第二章 滚动轴承的故障机理及故障信号分析方法 | 第17-35页 |
| 2.1 滚动轴承的主要故障及故障机理 | 第17-20页 |
| 2.2 滚动轴承振动机理及故障特征频率分析 | 第20-25页 |
| 2.2.1 滚动轴承振动机理 | 第20-23页 |
| 2.2.2 滚动轴承故障特征频率分析 | 第23-25页 |
| 2.3 滚动轴承的早期微弱故障的特征 | 第25-26页 |
| 2.4 滚动轴承故障信号采集与分析 | 第26-33页 |
| 2.4.1 滚动轴承的故障信号数据采集 | 第26页 |
| 2.4.2 传统的滚动轴承故障信号分析方法 | 第26-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 形态算法在滚动轴承微弱故障信号分析中的应用 | 第35-47页 |
| 3.1 数学形态学简介及理论基础 | 第35-37页 |
| 3.1.1 数学形态学简介 | 第35页 |
| 3.1.2 数学形态学理论基础 | 第35-37页 |
| 3.2 数学形态学的运算算子和结构元素 | 第37-44页 |
| 3.2.1 二值形态学基本算子 | 第37-39页 |
| 3.2.2 灰度形态学基本算子 | 第39-42页 |
| 3.2.3 广义形态算子 | 第42-43页 |
| 3.2.4 结构元素 | 第43-44页 |
| 3.3 形态滤波器 | 第44页 |
| 3.4 形态滤波器的设计 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 流形学习在滚动轴承故障诊断中的应用 | 第47-65页 |
| 4.1 流形学习的简介 | 第47-54页 |
| 4.1.1 流形学习的基本理论 | 第47-48页 |
| 4.1.2 流形学习的分类 | 第48-50页 |
| 4.1.3 常见的流形学习方法 | 第50-53页 |
| 4.1.4 流形学习应用于故障诊断的主要问题 | 第53-54页 |
| 4.2 原始特征生成 | 第54-57页 |
| 4.3 传统降维方法 | 第57-60页 |
| 4.3.1 主成分分析法(PCA) | 第58-59页 |
| 4.3.2 传统降维方法与流形学习方法的说明与比较 | 第59-60页 |
| 4.4 局部切空间排列算法(LTSA)简介 | 第60-64页 |
| 4.4.1 局部邻域构造 | 第60页 |
| 4.4.2 局部坐标线性拟合 | 第60页 |
| 4.4.3 局部坐标全局排列 | 第60-61页 |
| 4.4.4 特征空间构建 | 第61-62页 |
| 4.4.5 局部切空间排列算法分析 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 滚动轴承微弱故障实验及故障分类识别 | 第65-73页 |
| 5.1 实验装置及数据简介 | 第65-66页 |
| 5.2 滚动轴承振动信号的故障分类识别 | 第66-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间发表的论文 | 第81页 |