| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 车辆轴承故障诊断技术研究现状 | 第14-23页 |
| 1.2.1 车辆轴承故障诊断步骤 | 第14-15页 |
| 1.2.2 轴承特征提取研究现状 | 第15-20页 |
| 1.2.3 轴承故障诊断研究现状 | 第20-22页 |
| 1.2.4 国内外研究现状述评 | 第22-23页 |
| 1.3 研究思路与内容 | 第23-25页 |
| 1.3.1 研究思路 | 第23-24页 |
| 1.3.2 研究内容 | 第24-25页 |
| 1.4 论文结构 | 第25-27页 |
| 第二章 车辆滚动轴承故障模式与振动机理分析 | 第27-41页 |
| 2.1 车辆滚动轴承典型结构 | 第27-28页 |
| 2.2 车辆滚动轴承故障成因 | 第28-29页 |
| 2.3 车辆滚动轴承典型故障 | 第29-32页 |
| 2.4 滚动轴承常用监测方法 | 第32-34页 |
| 2.5 车辆滚动轴承振动机理及典型故障特征 | 第34-40页 |
| 2.5.1 车辆滚动轴承振动机理 | 第34-37页 |
| 2.5.2 车辆滚动轴承典型故障振动特征 | 第37-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 车辆滚动轴承故障诊断总体思路与流程 | 第41-47页 |
| 3.1 关键技术研究思路 | 第41-42页 |
| 3.1.1 信号滤波思路 | 第41-42页 |
| 3.1.2 特征提取思路 | 第42页 |
| 3.1.3 诊断模型构建思路 | 第42页 |
| 3.2 车辆滚动轴承故障诊断模型建模流程 | 第42-44页 |
| 3.3 车辆滚动轴承故障诊断模型应用流程 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于自适应形态差值的车辆滚动轴承信号滤波 | 第47-57页 |
| 4.1 理论基础 | 第47-51页 |
| 4.1.1 数学形态学 | 第47-49页 |
| 4.1.2 多尺度数学形态学 | 第49-51页 |
| 4.2 自适应形态差值的滤波方法 | 第51-53页 |
| 4.2.1 多尺度形态差值滤波 | 第51-52页 |
| 4.2.2 自适应形态差值滤波及其评价指标 | 第52-53页 |
| 4.2.3 计算步骤 | 第53页 |
| 4.3 仿真分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于形态熵的车辆滚动轴承信号特征提取 | 第57-67页 |
| 5.1 多尺度数学形态分解 | 第57-58页 |
| 5.2 基于形态熵的特征提取 | 第58-61页 |
| 5.2.1 定义 | 第58-60页 |
| 5.2.2 特征提取流程 | 第60-61页 |
| 5.3 仿真分析 | 第61-64页 |
| 5.4 实例分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 基于搜索者优化支持向量机的滚动轴承故障诊断 | 第67-87页 |
| 6.1 支持向量机概述 | 第67-74页 |
| 6.1.1 机器学习基本问题 | 第67-70页 |
| 6.1.2 非线性支持向量机 | 第70-72页 |
| 6.1.3 支持向量机核函数选择 | 第72页 |
| 6.1.4 多分类SVM | 第72-74页 |
| 6.2 典型优化算法概述 | 第74-75页 |
| 6.3 搜索者优化算法 | 第75-78页 |
| 6.3.1 基本行为 | 第75-76页 |
| 6.3.2 搜索步长与搜索方向计算 | 第76-77页 |
| 6.3.3 算法基本步骤 | 第77-78页 |
| 6.4 搜索者算法性能分析 | 第78-85页 |
| 6.5 基于搜索者算法的多分类SVM参数优化流程 | 第85-86页 |
| 6.6 本章小结 | 第86-87页 |
| 第七章 车辆滚动轴承故障诊断实例分析 | 第87-98页 |
| 7.1 数据选取与划分 | 第87-88页 |
| 7.2 基于自适应形态差值的信号滤波 | 第88-89页 |
| 7.3 基于形态熵的特征提取 | 第89-92页 |
| 7.4 基于搜索者优化算法的多分类SVM模型参数优化 | 第92-94页 |
| 7.5 基于ME-多分类SVM的滚动轴承故障诊断 | 第94-97页 |
| 7.6 本章小结 | 第97-98页 |
| 第八章 总结与展望 | 第98-101页 |
| 8.1 全文总结 | 第98-99页 |
| 8.2 主要创新 | 第99-100页 |
| 8.3 研究展望 | 第100-101页 |
| 参考文献 | 第101-109页 |
| 致谢 | 第109-110页 |
| 在学期间发表的学术论文及其他科研成果 | 第110页 |