| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 符号说明 | 第15-16页 |
| 第一章 绪论 | 第16-22页 |
| ·课题背景 | 第16-17页 |
| ·课题来源 | 第16页 |
| ·课题研究的目的和意义 | 第16-17页 |
| ·国内外研究现状 | 第17-20页 |
| ·模式识别技术概述 | 第17-19页 |
| ·工程应用 | 第19-20页 |
| ·本文研究工作及创新点 | 第20-22页 |
| ·主要研究工作 | 第20页 |
| ·本文创新点 | 第20-22页 |
| 第二章 信号处理方法 | 第22-32页 |
| ·引言 | 第22页 |
| ·信号处理方法 | 第22-28页 |
| ·快速傅里叶变换 | 第22-23页 |
| ·循环统计量 | 第23-24页 |
| ·经验模态分解 | 第24-28页 |
| ·特征的选择与提取 | 第28-31页 |
| ·特征的选择 | 第29页 |
| ·特征的提取 | 第29页 |
| ·奇异值分解 | 第29-30页 |
| ·主成分分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 改进的信号局部均值及端点延拓模型 | 第32-44页 |
| ·引言 | 第32页 |
| ·改进的信号局部均值模型 | 第32-37页 |
| ·前人研究成果 | 第32-34页 |
| ·模型的改进及仿真 | 第34-37页 |
| ·端点效应抑制方法探索 | 第37-43页 |
| ·前人研究成果 | 第37页 |
| ·模型的建立及仿真 | 第37-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于二阶循环统计量的奇异值分解模型在滚动轴承故障模式识别中的应用 | 第44-64页 |
| ·引言 | 第44页 |
| ·试验数据采集 | 第44-48页 |
| ·实验简介 | 第44-45页 |
| ·特征频率计算 | 第45-47页 |
| ·实验数据采集 | 第47-48页 |
| ·基于循环统计量的奇异值分解模型 | 第48-50页 |
| ·试验结果及分析 | 第50-62页 |
| ·正常状态 | 第50-53页 |
| ·内圈故障状态 | 第53-55页 |
| ·外圈故障状态 | 第55-58页 |
| ·滚动体故障状态 | 第58-60页 |
| ·滚动轴承故障模式识别 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 基于EMD的主成分分析模型在滚动轴承故障模式识别中的应用 | 第64-72页 |
| ·引言 | 第64页 |
| ·试验数据采集 | 第64页 |
| ·基于EMD的主成分分析模型 | 第64-66页 |
| ·经验模态分解 | 第64-65页 |
| ·主成分分析方法 | 第65-66页 |
| ·实验数据及结果 | 第66-70页 |
| ·本章小结 | 第70-72页 |
| 第六章 主要结论及展望 | 第72-76页 |
| ·本文的主要研究成果 | 第72-73页 |
| ·后续工作展望 | 第73-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间参与的科研项目及发表的学术论文 | 第82-84页 |
| 作者及导师简介 | 第84-86页 |
| 硕士研究生学位论文答辩委员会决议书 | 第86-87页 |