| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题介绍 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·课题背景 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·基于时域和频域的分析方法 | 第10-14页 |
| ·模式识别技术 | 第14-16页 |
| ·论文主要研究内容和结构 | 第16-17页 |
| 第二章 滚动轴承的振动特征及失效形式 | 第17-20页 |
| ·滚动轴承的结构 | 第17页 |
| ·振动机理 | 第17-18页 |
| ·故障频率计算 | 第18-19页 |
| ·常见的失效形式 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 振动信号特征提取方法研究 | 第20-37页 |
| ·EMD 分析方法 | 第20-31页 |
| ·基本概念 | 第20-21页 |
| ·EMD 算法基本原理 | 第21-24页 |
| ·EMD 分析方法中的问题 | 第24-25页 |
| ·端点效应及其解决方法 | 第24-25页 |
| ·本征模函数的选择 | 第25页 |
| ·EMD 算法仿真 | 第25-28页 |
| ·实际轴承振动信号分析 | 第28-31页 |
| ·排列熵 | 第31-36页 |
| ·排列熵算法 | 第32-34页 |
| ·排列熵特征值可行性分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 支持向量机基本理论和算法优化 | 第37-56页 |
| ·统计学习理论 | 第37-39页 |
| ·学习过程的一致性 | 第37页 |
| ·VC 维 | 第37-38页 |
| ·结构风险最小化 | 第38-39页 |
| ·支持向量机基本原理 | 第39-43页 |
| ·最优分类超平面 | 第39-41页 |
| ·SVM 常用核函数 | 第41-42页 |
| ·新核函数 | 第42-43页 |
| ·SVM 多类分类问题 | 第43-44页 |
| ·交叉验证 | 第44-45页 |
| ·风机滚动轴承故障诊断 | 第45-55页 |
| ·试验方案 | 第45-47页 |
| ·基于 EMD 排列熵和 SVM 的轴承诊断方法 | 第47-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于 LABVIEW 的风机滚动轴承故障诊断系统 | 第56-62页 |
| ·LABVIEW 软件简介 | 第56页 |
| ·故障诊断系统编写 | 第56-60页 |
| ·系统显示 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 总结 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 发表的论文和科研情况 | 第66-67页 |
| 致谢 | 第67页 |