| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 课题背景及研究的目的和意义 | 第12-13页 |
| 1.2 故障诊断技术与信号处理方法 | 第13-16页 |
| 1.2.1 故障诊断技术 | 第13-14页 |
| 1.2.2 信号处理技术 | 第14-16页 |
| 1.3 数学形态学研究现状 | 第16-20页 |
| 1.4 局部均值分解研究现状 | 第20-21页 |
| 1.5 本文的主要研究内容 | 第21-24页 |
| 第2章 形态差值算子在液压泵故障诊断和滑靴磨损状态评估中的应用 | 第24-48页 |
| 2.1 引言 | 第24页 |
| 2.2 数学形态学 | 第24-27页 |
| 2.2.1 数学形态学概念 | 第24-25页 |
| 2.2.2 结构元素 | 第25页 |
| 2.2.3 四种基本算子的性质 | 第25-26页 |
| 2.2.4 四种基本算子对滤波结果的影响 | 第26页 |
| 2.2.5 传统形态学滤波器 | 第26-27页 |
| 2.3 信息熵 | 第27-29页 |
| 2.4 特征能量比 | 第29页 |
| 2.5 液压泵故障模拟实验系统设计 | 第29-30页 |
| 2.6 基于扁平型结构元素最优长度滤波的液压泵故障诊断 | 第30-39页 |
| 2.6.1 数值仿真算例 | 第31-34页 |
| 2.6.2 液压泵故障信号分析 | 第34-39页 |
| 2.7 形态指数在液压泵滑靴磨损状态评估中的应用 | 第39-47页 |
| 2.7.1 有量纲和无量纲参数 | 第39-41页 |
| 2.7.2 液压泵滑靴磨损故障及其劣化程度的评估 | 第41-47页 |
| 2.8 本章小结 | 第47-48页 |
| 第3章 形态差值算子在滚动轴承故障诊断中的应用 | 第48-64页 |
| 3.1 引言 | 第48页 |
| 3.2 差分熵 | 第48-49页 |
| 3.3 数值仿真算例 | 第49-50页 |
| 3.4 滚动轴承故障信号分析 | 第50-61页 |
| 3.4.1 轴承内圈故障信号分析 | 第51-56页 |
| 3.4.2 轴承外圈故障信号分析 | 第56-61页 |
| 3.5 与现有诊断方法的对比分析 | 第61页 |
| 3.6 本章小结 | 第61-64页 |
| 第4章 基于LMD和改进自适应多尺度形态学分析的液压泵诊断方法 | 第64-98页 |
| 4.1 引言 | 第64-65页 |
| 4.2 局部均值分解 | 第65-66页 |
| 4.3 改进自适应多尺度形态学分析 | 第66-68页 |
| 4.3.1 多尺度形态学变换 | 第66-67页 |
| 4.3.2 改进自适应多尺度形态学分析的原理 | 第67-68页 |
| 4.3.3 改进自适应多尺度形态学分析计算过程示例 | 第68页 |
| 4.4 液压泵故障信号分析 | 第68-97页 |
| 4.4.1 松靴故障信号的解调分析 | 第69-79页 |
| 4.4.2 滑靴磨损故障信号的解调分析 | 第79-88页 |
| 4.4.3 中心弹簧磨损故障信号的解调分析 | 第88-97页 |
| 4.5 本章小结 | 第97-98页 |
| 第5章 基于LMD和广义形态分形维数的齿轮故障诊断 | 第98-118页 |
| 5.1 引言 | 第98页 |
| 5.2 分形维数 | 第98-103页 |
| 5.2.1 多重分形维数 | 第98-99页 |
| 5.2.2 数学形态学分形维数 | 第99-103页 |
| 5.3 互信息熵 | 第103-104页 |
| 5.4 三种不同工况下GMFD的提取和故障诊断 | 第104-117页 |
| 5.4.1 实验方法 | 第104页 |
| 5.4.2 在 826r/min和 0.6441Nm工况下GMFD的提取 | 第104-109页 |
| 5.4.3 在 472r/min和 0.6441Nm工况下GMFD的提取 | 第109-112页 |
| 5.4.4 在 826r/min和 0.4294Nm工况下GMFD的提取 | 第112-114页 |
| 5.4.5 基于核模糊C均值聚类的齿轮故障诊断 | 第114-117页 |
| 5.5 本章小结 | 第117-118页 |
| 结论 | 第118-120页 |
| 参考文献 | 第120-136页 |
| 攻读博士学位期间的科研任务与主要成果 | 第136-139页 |
| 致谢 | 第139页 |
