| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 课题背景 | 第10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 振动信号处理的国内外发展研究现状 | 第11-14页 |
| 1.2.1 传统时频分析方法的发展 | 第11-13页 |
| 1.2.2 自适应时频分析的发展 | 第13-14页 |
| 1.3 旋转设备故障诊断方法发展状况 | 第14-16页 |
| 1.4 研究内容及结构安排 | 第16-18页 |
| 1.4.1 本文研究内容 | 第16页 |
| 1.4.2 本文结构安排 | 第16-18页 |
| 第二章 基于小波阈值的信号降噪 | 第18-36页 |
| 2.1 小波阈值降噪原理与算法 | 第18-20页 |
| 2.1.1 小波变换原理 | 第18-19页 |
| 2.1.2 小波降噪的基本原理 | 第19-20页 |
| 2.2 小波阈值降噪的参数选择 | 第20-26页 |
| 2.2.1 小波基函数选择 | 第20-23页 |
| 2.2.2 小波分解层数的选择 | 第23页 |
| 2.2.3 阈值规则的选择 | 第23-25页 |
| 2.2.4 阈值函数的选择 | 第25-26页 |
| 2.3 仿真实验及结果分析 | 第26-32页 |
| 2.4 实测轴承振动信号降噪及结果分析 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 局域均值分解方法 | 第36-49页 |
| 3.1 LMD原理与算法 | 第36-46页 |
| 3.1.1 LMD方法的原理 | 第36-41页 |
| 3.1.2 LMD方法的特点 | 第41-43页 |
| 3.1.3 实测信号的局域均值分解 | 第43-46页 |
| 3.2 LMD与EMD方法的比较 | 第46-48页 |
| 3.2.1 经验模态分解 | 第46-47页 |
| 3.2.2 LMD与EMD的区别 | 第47-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 基于LMD的故障特征提取分析 | 第49-63页 |
| 4.1 熵理论 | 第49-52页 |
| 4.1.1 熵的发展与应用 | 第49-52页 |
| 4.1.2 熵的性质 | 第52页 |
| 4.2 基于LMD和能量熵的故障特征提取 | 第52-54页 |
| 4.3 基于LMD和奇异值熵的故障特征提取 | 第54-58页 |
| 4.4 基于LMD和峭度的故障特征提取 | 第58-59页 |
| 4.5 基于LMD和Lempel-Ziv复杂度的故障特征提取 | 第59-62页 |
| 4.5.1 Lempel-Ziv原理及算法 | 第60页 |
| 4.5.2 基于LMD和Lempel-Ziv复杂度的故障特征提取 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 结论与展望 | 第63-65页 |
| 5.1 研究结论 | 第63-64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |