摘要 | 第6-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第13-29页 |
1.1 研究背景及意义 | 第13-16页 |
1.2 设备故障诊断现状分析 | 第16-18页 |
1.2.1 机械设备故障诊断与状态监测发展现状 | 第16-17页 |
1.2.2 列车关键零部件状态监测技术研究进展 | 第17-18页 |
1.3 滚动轴承故障机理及信号处理技术研究进展 | 第18-27页 |
1.3.1 滚动轴承故障机理研究进展 | 第18-19页 |
1.3.2 基于统计特征的分析方法 | 第19-21页 |
1.3.3 基于频域特征的分析方法 | 第21-25页 |
1.3.4 人工智能故障诊断方法研究进展 | 第25-27页 |
1.4 高速列车轴箱轴承故障诊断及状态检测存在问题分析 | 第27页 |
1.5 论文章节安排 | 第27-29页 |
第2章 技术背景及实验设计 | 第29-51页 |
2.1 引言 | 第29页 |
2.2 概率神经网络 | 第29-30页 |
2.3 最小二乘支持向量机分类器 | 第30-35页 |
2.3.1 支持向量机算法 | 第30-32页 |
2.3.2 最小二乘支持向量机 | 第32-33页 |
2.3.3 核函数 | 第33-35页 |
2.4 量子粒子群优化算法 | 第35-36页 |
2.5 无限特征选择方法 | 第36-37页 |
2.6 基于完备集合经验模态分解的信号重构 | 第37-39页 |
2.6.1 经验模式分解 | 第37-38页 |
2.6.2 集合经验模式分解 | 第38页 |
2.6.3 基于自适应噪声的集合经验模式分解 | 第38-39页 |
2.7 实验介绍 | 第39-49页 |
2.7.1 电机球轴承实验 | 第39-41页 |
2.7.2 低速工况普通客车轴承实验 | 第41-42页 |
2.7.3 全寿命周期球轴承实验 | 第42-43页 |
2.7.4 高速列车轴箱轴承实验 | 第43-49页 |
2.8 本章小结 | 第49-51页 |
第3章 基于复合多尺度排列熵的诊断方法研究 | 第51-71页 |
3.1 引言 | 第51-52页 |
3.2 基于排列熵的特征提取算法 | 第52-56页 |
3.2.1 排列熵定义 | 第52-54页 |
3.2.2 多尺度排列熵 | 第54-55页 |
3.2.3 复合多尺度排列熵 | 第55-56页 |
3.3 CMPE和MPE方法比较分析 | 第56-60页 |
3.4 故障诊断模型 | 第60-62页 |
3.5 实验验证及结果分析 | 第62-70页 |
3.5.1 球轴承损伤故障诊断 | 第62-65页 |
3.5.2 低速工况的普通客车轴箱轴承故障诊断 | 第65-67页 |
3.5.3 全寿命周期下轴承早期故障诊断 | 第67-68页 |
3.5.4 高速列车轴箱轴承故障诊断 | 第68-70页 |
3.6 本章小结 | 第70-71页 |
第4章 基于对称Alpha稳定分布的特征提取方法 | 第71-91页 |
4.1 引言 | 第71-73页 |
4.2 Alpha稳定分布理论 | 第73-82页 |
4.2.1 Alpha稳定分布定义 | 第73-74页 |
4.2.2 Alpha稳定分布性质 | 第74-76页 |
4.2.3 Alpha稳定分布的参数估计方法 | 第76-79页 |
4.2.4 对称AlPha稳定分布 | 第79-82页 |
4.3 基于SASD状态表征的智能诊断模型 | 第82-83页 |
4.4 基于SASD状态表征的应用分析 | 第83-90页 |
4.4.1 球轴承内圈早期故障识别 | 第83-86页 |
4.4.2 高速列车轴箱轴承早期故障识别 | 第86-90页 |
4.5 本章小结 | 第90-91页 |
第5章 基于改进复合多尺度模糊熵的特征提取方法研究 | 第91-111页 |
5.1 引言 | 第91-94页 |
5.2 基于模糊熵的特征提取算法 | 第94-97页 |
5.2.1 模糊熵定义 | 第94-95页 |
5.2.2 多尺度模糊熵 | 第95页 |
5.2.3 改进多尺度模糊熵 | 第95-97页 |
5.3 方法评估 | 第97-100页 |
5.3.1 参数选取 | 第97页 |
5.3.2 比较分析 | 第97-100页 |
5.4 诊断模型流程 | 第100-101页 |
5.5 实验验证及应用 | 第101-110页 |
5.5.1 球轴承损伤故障诊断 | 第101-105页 |
5.5.2 高速列车轴箱轴承故障分析 | 第105-110页 |
5.6 本章小结 | 第110-111页 |
第6章 结论与展望 | 第111-113页 |
6.1 本文研究总结 | 第111-112页 |
6.2 研究展望 | 第112-113页 |
致谢 | 第113-115页 |
参考文献 | 第115-133页 |
攻读博士学位期间发表的论文及科研成果 | 第133页 |