| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状与分析 | 第13-22页 |
| 1.2.1 轴系状态监测与故障诊断 | 第14-17页 |
| 1.2.2 振动故障信号特征提取 | 第17-19页 |
| 1.2.3 人工智能在故障诊断中的研究现状 | 第19-21页 |
| 1.2.4 当前研究中存在的问题 | 第21-22页 |
| 1.3 课题来源 | 第22-23页 |
| 1.4 主要研究内容 | 第23-25页 |
| 第2章 船舶轴系运行状态影响因素及特征提取方法 | 第25-46页 |
| 2.1 船舶轴系运行状态影响因素 | 第25-27页 |
| 2.1.1 船体变形 | 第25-26页 |
| 2.1.2 轴承刚度 | 第26页 |
| 2.1.3 温度变化 | 第26页 |
| 2.1.4 螺旋桨激励力 | 第26-27页 |
| 2.1.5 轴与轴承间油膜影响 | 第27页 |
| 2.2 轴系常见振动故障机理 | 第27-30页 |
| 2.2.1 不平衡的机理 | 第27-28页 |
| 2.2.2 不对中的机理 | 第28页 |
| 2.2.3 轴系碰摩的机理 | 第28-29页 |
| 2.2.4 油膜涡动的机理 | 第29-30页 |
| 2.3 常见的振动故障特征提取方法 | 第30-34页 |
| 2.3.1 瞬时频率 | 第30-31页 |
| 2.3.2 短时傅里叶变换 | 第31-32页 |
| 2.3.3 小波变换 | 第32-33页 |
| 2.3.4 Wigner-Ville 分布 | 第33-34页 |
| 2.4 HHT方法及其改进方法 | 第34-39页 |
| 2.4.1 EMD分解及存在的问题 | 第34-38页 |
| 2.4.2 EEMD分解及存在的问题 | 第38-39页 |
| 2.5 VMD方法 | 第39-45页 |
| 2.5.1 VMD分解的原理 | 第40-41页 |
| 2.5.2 VMD分解的步骤 | 第41-42页 |
| 2.5.3 EMD,EEMD 与 VMD 分解效果对比 | 第42-43页 |
| 2.5.4 VMD方法的特点 | 第43-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第3章 船体变形下轴系振动影响因素分析 | 第46-70页 |
| 3.1 船体变形下的轴系振动模型 | 第46-56页 |
| 3.1.1 理论模型 | 第47-50页 |
| 3.1.2 边界条件的讨论 | 第50-56页 |
| 3.2 船体变形下轴系振动的影响因素研究 | 第56-63页 |
| 3.2.1 理论模型与数值模型的对比 | 第56-58页 |
| 3.2.2 船体变形对轴系振动的影响研究 | 第58-63页 |
| 3.3 实船试验 | 第63-69页 |
| 3.3.1 试验船舶参数 | 第63-64页 |
| 3.3.2 实船试验方案 | 第64-67页 |
| 3.3.3 试验条件 | 第67页 |
| 3.3.4 实船结果分析 | 第67-69页 |
| 3.4 本章小结 | 第69-70页 |
| 第4章 多激励下的船舶轴系振动特性试验研究 | 第70-92页 |
| 4.1 船舶轴系试验台试验 | 第70-76页 |
| 4.1.1 试验台基本组成及加载系统 | 第70-72页 |
| 4.1.2 试验方案 | 第72-76页 |
| 4.2 静态加载时轴系振动分析 | 第76-80页 |
| 4.2.1 不同强制位移的大小和方向的影响 | 第76-78页 |
| 4.2.2 不同响应点的位置和方向的影响 | 第78页 |
| 4.2.3 混合激励的影响 | 第78-80页 |
| 4.2.4 不同转速的影响 | 第80页 |
| 4.3 动态加载时轴系振动分析 | 第80-86页 |
| 4.3.1 不同激励力的大小和方向的影响 | 第80-82页 |
| 4.3.2 不同响应点的位置和方向的影响 | 第82-83页 |
| 4.3.3 混合激励的影响 | 第83-85页 |
| 4.3.4 转速的影响 | 第85-86页 |
| 4.4 变频激励下轴系振动分析 | 第86-90页 |
| 4.4.1 不同频率的影响 | 第86-87页 |
| 4.4.2 变频激励的影响 | 第87-88页 |
| 4.4.3 不同激励力的大小和方向的影响 | 第88-89页 |
| 4.4.4 不同响应点的位置和方向的影响 | 第89-90页 |
| 4.4.5 转速的影响 | 第90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 基于VMD的轴系故障特征提取方法研究 | 第92-107页 |
| 5.1 轴系故障模拟实验 | 第92-95页 |
| 5.2 基于VMD的油膜涡动故障特征提取 | 第95-99页 |
| 5.3 VMD的参数优化方法研究 | 第99-104页 |
| 5.3.1 VMD参数对分解结果的影响 | 第99-100页 |
| 5.3.2 VMD参数选择方法研究 | 第100-104页 |
| 5.3.3 VMD参数选择步骤 | 第104页 |
| 5.4 基于改进VMD-能量熵的轴系故障特征提取 | 第104-106页 |
| 5.5 本章小结 | 第106-107页 |
| 第6章 基于深度学习的船舶轴系故障诊断方法研究 | 第107-122页 |
| 6.1 机器学习在轴系故障诊断中的应用 | 第107-112页 |
| 6.1.1 人工神经网络 | 第108-109页 |
| 6.1.2 支持向量机 | 第109-111页 |
| 6.1.3 支持向量机在轴系故障诊断中的应用 | 第111-112页 |
| 6.2 深度学习理论 | 第112-113页 |
| 6.2.1 深度学习概述 | 第112-113页 |
| 6.2.2 深度学习思想 | 第113页 |
| 6.3 深度置信网络 | 第113-117页 |
| 6.3.1 受限玻尔兹曼机 | 第113-115页 |
| 6.3.2 深度置信网络 | 第115页 |
| 6.3.3 DBN参数选择分析 | 第115-117页 |
| 6.4 基于DBN的轴系故障诊断研究 | 第117-120页 |
| 6.4.1 轴系故障数据预处理 | 第117-118页 |
| 6.4.2 基于DBN的分类结果对比 | 第118-120页 |
| 6.5 本章小结 | 第120-122页 |
| 第7章 结论与展望 | 第122-125页 |
| 7.1 结论 | 第122-123页 |
| 7.2 创新点 | 第123页 |
| 7.3 展望 | 第123-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-134页 |
| 攻读博士学位期间发表的论文及参加的科研项目 | 第134-135页 |