| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9页 |
| 1.2 滚动轴承故障诊断研究现状 | 第9-12页 |
| 1.2.1 故障检测技术 | 第9-11页 |
| 1.2.2 诊断决策技术 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 滚动轴承故障及实验数据说明 | 第13-21页 |
| 2.1 滚动轴承结构 | 第13页 |
| 2.2 滚动轴承振动机理及失效形式 | 第13-15页 |
| 2.2.1 滚动轴承的振动机理 | 第13-14页 |
| 2.2.2 滚动轴承的主要故障形式 | 第14-15页 |
| 2.3 滚动轴承振动信号特征 | 第15-18页 |
| 2.3.1 滚动轴承故障特征频率 | 第15-17页 |
| 2.3.2 滚动轴承的固有频率 | 第17-18页 |
| 2.4 本文采用的实验数据说明 | 第18-19页 |
| 2.5 本章小结 | 第19-21页 |
| 第3章 滚动轴承早期故障趋势预测 | 第21-33页 |
| 3.1 高阶谱简介 | 第21-27页 |
| 3.1.1 高阶谱在机械故障诊断中的应用 | 第21页 |
| 3.1.2 高阶谱的定义 | 第21-23页 |
| 3.1.3 双谱的性质 | 第23-24页 |
| 3.1.4 双谱估计 | 第24-25页 |
| 3.1.5 双相干谱检测二次相位耦合 | 第25-27页 |
| 3.2 实验验证 | 第27-30页 |
| 3.3 本章小结 | 第30-33页 |
| 第4章 滚动轴承早期故障类型识别和趋势预测 | 第33-59页 |
| 4.1 EMD和基于相关分析的IMF选择 | 第33-43页 |
| 4.1.1 EMD分解简介 | 第33-35页 |
| 4.1.2 EMD分解算法实现 | 第35-36页 |
| 4.1.3 EMD分解的特点 | 第36-37页 |
| 4.1.4 EMD仿真分析 | 第37-38页 |
| 4.1.5 基于相关分析的IMF分量选择 | 第38-40页 |
| 4.1.6 基于IMF能量百分比的故障程度评估方法 | 第40-43页 |
| 4.2 基于快速峭度图和包络解调分析的识别方法 | 第43-50页 |
| 4.2.1 谱峭度简介 | 第43页 |
| 4.2.2 谱峭度的定义 | 第43-44页 |
| 4.2.3 谱峭度的性质 | 第44-45页 |
| 4.2.4 谱峭度的估计 | 第45页 |
| 4.2.5 基于谱峭度的滤波器设计 | 第45-46页 |
| 4.2.6 峭度图 | 第46-47页 |
| 4.2.7 快速峭度图 | 第47-48页 |
| 4.2.8 包络解调分析技术 | 第48-50页 |
| 4.3 实验验证 | 第50-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 滚动轴承早期故障诊断决策 | 第59-73页 |
| 5.1 基于Laplacian分值的特征提取 | 第59-60页 |
| 5.2 基于自适应模糊C均值聚类和模糊模式识别 | 第60-67页 |
| 5.2.1 聚类分析简介 | 第60-61页 |
| 5.2.2 普通C均值聚类 | 第61页 |
| 5.2.3 模糊C均值聚类 | 第61-63页 |
| 5.2.4 自适应模糊C均值聚类 | 第63-64页 |
| 5.2.5 模糊模式识别 | 第64-67页 |
| 5.3 实验验证 | 第67-72页 |
| 5.4 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81-83页 |
| 致谢 | 第83页 |