| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-14页 |
| 1 绪论 | 第14-28页 |
| ·课题的背景及研究意义 | 第14-15页 |
| ·非线性非平稳信号分析方法研究现状 | 第15-17页 |
| ·短时傅里叶变换 | 第16页 |
| ·小波变换 | 第16-17页 |
| ·Hilbert-Huang变换 | 第17页 |
| ·数学形态学分析方法 | 第17-25页 |
| ·数学形态学的形成与发展 | 第17-18页 |
| ·数学形态学基本理论 | 第18-19页 |
| ·数学形态滤波的基本理论 | 第19-22页 |
| ·形态小波基本理论与算法 | 第22-24页 |
| ·数学形态学在机械故障诊断领域的研究现状 | 第24-25页 |
| ·本文的主要内容与结构 | 第25-28页 |
| 2 常见机械典型故障机理与特征分析 | 第28-42页 |
| ·引言 | 第28页 |
| ·转子系统典型故障机理及特征 | 第28-33页 |
| ·转子不平衡 | 第28-30页 |
| ·转子不对中 | 第30-31页 |
| ·油膜涡动 | 第31-32页 |
| ·动静碰摩 | 第32-33页 |
| ·齿轮振动机理及故障特征分析 | 第33-36页 |
| ·齿轮振动机理分析 | 第33-34页 |
| ·齿轮故障振动响应及调制机理 | 第34-35页 |
| ·齿轮典型故障信号特征 | 第35-36页 |
| ·滚动轴承故障机理故障特征分析 | 第36-40页 |
| ·滚动轴承故障机理分析 | 第36-38页 |
| ·滚动轴承故障信号特点与特征频率 | 第38-39页 |
| ·滚动轴承典型故障特征 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 3 基于自适应多尺度复合形态滤波降噪与关联维数的转子故障识别 | 第42-56页 |
| ·引言 | 第42页 |
| ·关联维数及计算 | 第42-43页 |
| ·自适应多尺度复合形态滤波方法 | 第43-51页 |
| ·自适应多尺度复合形态滤波方法的基本原理 | 第43-44页 |
| ·AMCMF的工作过程 | 第44-47页 |
| ·AMCMF仿真试验 | 第47-51页 |
| ·实例分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 4 基于多结构元素多尺度形态学谱图特征提取与LSSVM的齿轮故障诊断 | 第56-72页 |
| ·引言 | 第56页 |
| ·基于多结构元素和多尺度的形态学边缘检测 | 第56-62页 |
| ·传统的形态学边缘检测算子 | 第56-57页 |
| ·改进的形态学边缘检测算子 | 第57-58页 |
| ·基于MMMFE的边缘检测算子 | 第58-59页 |
| ·实验结果与分析 | 第59-62页 |
| ·基于MMMFE的振动谱图特征提取与LSSVM的齿轮故障诊断 | 第62-66页 |
| ·基于MMMFE振动谱图特征提取 | 第62-64页 |
| ·基于LSSVM的振动谱图特征识别 | 第64-66页 |
| ·齿轮故障诊断实例 | 第66-70页 |
| ·本章小结 | 第70-72页 |
| 5 基于自适应提升形态小波降噪与灰色关联度的滚动轴承故障诊断 | 第72-88页 |
| ·引言 | 第72页 |
| ·提升形态小波框架 | 第72-74页 |
| ·自适应提升形态小波降噪方法 | 第74-76页 |
| ·自适应提升形态小波构造 | 第74-75页 |
| ·基于邻域相关性的自适应阈值选择 | 第75-76页 |
| ·基于ALMW降噪的故障特征提取 | 第76-83页 |
| ·数值仿真分析 | 第77-79页 |
| ·实例分析 | 第79-83页 |
| ·基于ALMW和灰色关联度的滚动轴承故障诊断 | 第83-86页 |
| ·灰色关联度理论 | 第83页 |
| ·基于ALMW和灰色关联度的故障诊断方法 | 第83-85页 |
| ·滚动轴承诊断实例分析 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 6 基于形态非抽样小波的滚动轴承信息融合故障诊断 | 第88-102页 |
| ·引言 | 第88页 |
| ·基于多尺度差值形态滤波的形态非抽样小波算法 | 第88-89页 |
| ·MUDW的一般框架 | 第88-89页 |
| ·基于多尺度差值形态滤波算子的MUWD构造 | 第89页 |
| ·形态非抽样小波能量特征向量与能量熵 | 第89-90页 |
| ·基于D-S证据理论的形态非抽样小波信息融合故障诊断方法 | 第90-95页 |
| ·D-S证据理论基本原理 | 第91-92页 |
| ·基于D-S证据理论的信息融合故障诊断方法 | 第92-93页 |
| ·滚动轴承故障诊断实例 | 第93-95页 |
| ·基于过程的形态非抽样小波能量熵信息融合诊断方法 | 第95-99页 |
| ·基于过程的形态非抽样小波能量熵信息融合故障诊断算法 | 第95-97页 |
| ·故障诊断实例分析 | 第97-99页 |
| ·本章小结 | 第99-102页 |
| 7 总结与展望 | 第102-106页 |
| ·全文总结 | 第102-103页 |
| ·创新点 | 第103-104页 |
| ·研究展望 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 攻读博士学位期间发表(录用)的论文和参与的课题 | 第118页 |
