基于纹理特征的航空发动机轴承故障诊断研究
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 选题背景 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-19页 |
| 1.2.1 滚动轴承的状态监测与故障诊断 | 第18-19页 |
| 1.2.2 基于故障特征频率的滚动轴承故障诊断 | 第19页 |
| 1.2.3 基于纹理特征的滚动轴承故障诊断 | 第19页 |
| 1.3 文献总结 | 第19-20页 |
| 1.4 主要工作与总体框架 | 第20-23页 |
| 1.4.1 问题的提出 | 第20页 |
| 1.4.2 总体思路及研究路线 | 第20-21页 |
| 1.4.3 论文总体框架 | 第21-23页 |
| 第二章 航空发动机轴承振动机理与信号特征 | 第23-29页 |
| 2.1 引言 | 第23页 |
| 2.2 航空发动机轴承振动机理 | 第23-25页 |
| 2.3 航空发动机轴承信号特征 | 第25-26页 |
| 2.3.1 滚动轴承内圈故障特征 | 第25页 |
| 2.3.2 滚动轴承外圈故障特征 | 第25-26页 |
| 2.3.3 轴承滚动体故障特征 | 第26页 |
| 2.4 基于振动信号的轴承故障诊断 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于故障特征频率的故障诊断方法研究 | 第29-55页 |
| 3.1 引言 | 第29页 |
| 3.2 基于EWT的故障特征提取方法 | 第29-37页 |
| 3.2.1 EWT算法概述 | 第29-31页 |
| 3.2.2 基于EWT的轴承故障诊断 | 第31-37页 |
| 3.2.3 小结 | 第37页 |
| 3.3 基于VMD的故障特征提取方法 | 第37-48页 |
| 3.3.1 VMD的定义及性质 | 第37-39页 |
| 3.3.2 VMD在轴承故障诊断中的应用 | 第39-40页 |
| 3.3.3 实验验证分析 | 第40-47页 |
| 3.3.4 小结 | 第47-48页 |
| 3.4 基于参数优化VMD算法的特征提取方法 | 第48-53页 |
| 3.4.1 样本熵 | 第48-49页 |
| 3.4.2 基于参数优化VMD的滚动轴承故障诊断 | 第49页 |
| 3.4.3 实验验证及分析 | 第49-52页 |
| 3.4.4 小结 | 第52-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于信号纹理特征的故障诊断方法研究 | 第55-73页 |
| 4.1 引言 | 第55页 |
| 4.2 基于S变换与完整LBP的故障诊断方法 | 第55-62页 |
| 4.2.1 S变换 | 第55-56页 |
| 4.2.2 完整LBP算法 | 第56-58页 |
| 4.2.3 基于S变换与完整LBP的特征提取 | 第58页 |
| 4.2.4 实验验证分析 | 第58-61页 |
| 4.2.5 小结 | 第61-62页 |
| 4.3 基于BoVW模型的故障诊断方法 | 第62-70页 |
| 4.3.1 BoVW模型概述 | 第62-64页 |
| 4.3.2 极限学习机 | 第64-65页 |
| 4.3.3 BoVW在轴承故障诊断中的应用 | 第65-67页 |
| 4.3.4 实验验证分析 | 第67-70页 |
| 4.3.5 小结 | 第70页 |
| 4.4 本章小结 | 第70-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 全文工作总结 | 第73-74页 |
| 5.2 相关工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 研究成果及发表的学术论文 | 第81-83页 |
| 作者和导师简介 | 第83-85页 |
| 附件 | 第85-86页 |
