| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-14页 |
| 1.2.1 机械故障诊断方法 | 第9-10页 |
| 1.2.2 振动信号处理故障诊断的步骤 | 第10页 |
| 1.2.3 常用振动信号处理方法 | 第10页 |
| 1.2.4 盲源分离技术 | 第10-11页 |
| 1.2.5 基于振动信号分解的处理方法 | 第11-13页 |
| 1.2.6 机械故障诊断识别 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 第二章 振动信号检测分析系统开发 | 第15-29页 |
| 2.1 振动信号检测系统构建 | 第15-22页 |
| 2.1.1 系统结构 | 第15-16页 |
| 2.1.2 系统硬件介绍 | 第16-17页 |
| 2.1.3 系统软件设计 | 第17-22页 |
| 2.2 基于振动信号处理的故障诊断软件系统 | 第22-28页 |
| 2.2.1 齿轮和轴承特征参数计算 | 第24-26页 |
| 2.2.2 信号分析功能简介 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于Gabor变换盲源分离和EMD的轴承故障诊断 | 第29-45页 |
| 3.1 局部细化功率谱分析 | 第29-34页 |
| 3.1.1 轴承故障特征频率 | 第30页 |
| 3.1.2 功率谱分析 | 第30-33页 |
| 3.1.3 局部细化功率谱分析 | 第33-34页 |
| 3.2 Gabor变换 | 第34-36页 |
| 3.3 基于Gabor变换的盲源分离 | 第36-40页 |
| 3.4 经验模态分解 | 第40-43页 |
| 3.5 Hilbert包络功率谱 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于VMD和局部细化Hilbert包络谱的轴承故障诊断 | 第45-58页 |
| 4.1 变分模态分解 | 第45-47页 |
| 4.2 试验数据 | 第47页 |
| 4.3 振动信号分析 | 第47-57页 |
| 4.3.1 轴承内圈故障振动信号分析 | 第47-50页 |
| 4.3.2 轴承外圈故障振动信号分析 | 第50-54页 |
| 4.3.3 轴承滚动体故障振动信号分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于高阶累积量和支持向量机的轴承故障状态识别 | 第58-69页 |
| 5.1 高阶统计量 | 第58-59页 |
| 5.2 支持向量机 | 第59-62页 |
| 5.3 试验数据 | 第62-65页 |
| 5.4 故障识别 | 第65-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 论文总结 | 第69页 |
| 6.2 后续工作展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第77页 |
