| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 滚动轴承故障诊断研究的发展历程与研究现状 | 第11-14页 |
| 1.2.1 滚动轴承故障诊断研究的发展历程 | 第11-12页 |
| 1.2.2 滚动轴承的故障诊断方法 | 第12-13页 |
| 1.2.3 常用的振动信号处理方法 | 第13页 |
| 1.2.4 模态分解方法的研究现状 | 第13-14页 |
| 1.3 章节安排 | 第14-16页 |
| 第二章 滚动轴承故障机理及实验平台 | 第16-27页 |
| 2.1 滚动轴承的故障成因及振动分析 | 第16-19页 |
| 2.1.1 滚动轴承故障成因及特征 | 第16-17页 |
| 2.1.2 轴承故障信号的振动机理 | 第17-18页 |
| 2.1.3 轴承故障振动信号分析技术 | 第18-19页 |
| 2.2 滚动轴承故障信号调制模型 | 第19页 |
| 2.3 滚动轴承典型故障特征频率计算 | 第19-23页 |
| 2.3.1 滚动轴承的典型故障 | 第19-21页 |
| 2.3.2 滚动轴承的故障特征频率计算 | 第21-23页 |
| 2.4 滚动轴承振动信号采集系统介绍 | 第23-26页 |
| 2.4.1 实验平台介绍 | 第23-24页 |
| 2.4.2 传感器介绍 | 第24-25页 |
| 2.4.3 采集系统介绍 | 第25-26页 |
| 2.4.4 滚动轴承故障诊断实验步骤 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 变分模态分解理论 | 第27-40页 |
| 3.1 模态分解的原理 | 第27-29页 |
| 3.1.1 模态的定义 | 第27-28页 |
| 3.1.2 EMD算法原理及局限性 | 第28-29页 |
| 3.2 VMD分解的原理 | 第29-33页 |
| 3.2.1 维纳滤波 | 第29-30页 |
| 3.2.2 希尔伯特变换 | 第30页 |
| 3.2.3 频率混叠和外差解调 | 第30-31页 |
| 3.2.4 变分模态分解原理介绍 | 第31-33页 |
| 3.3 变分模态分解仿真分析 | 第33-38页 |
| 3.3.1 噪声鲁棒性 | 第33-36页 |
| 3.3.2 过分解和欠分解 | 第36-37页 |
| 3.3.3 非平稳信号的多模态 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于变分模态分解和Teager能量算子的滚动轴承故障特征提取 | 第40-51页 |
| 4.1 Teager能量算子解调原理 | 第40-42页 |
| 4.1.1 离散和连续能量算子的定义 | 第40-41页 |
| 4.1.2 能量算子分离算法 | 第41-42页 |
| 4.1.3 Teager能量算子解调 | 第42页 |
| 4.2 基于变分模态分解和能量算子的滚动轴承故障特征提取 | 第42-43页 |
| 4.3 仿真信号分析 | 第43-46页 |
| 4.4 实例分析 | 第46-50页 |
| 4.4.1 滚动轴承外圈故障分析 | 第46-49页 |
| 4.4.2 滚动轴承内圈故障分析 | 第49页 |
| 4.4.3 滚动轴承滚动体故障分析 | 第49-50页 |
| 4.5 结论 | 第50-51页 |
| 第五章 基于VMD和支持向量机的滚动轴承故障智能诊断 | 第51-65页 |
| 5.1 支持向量机相关理论 | 第51-55页 |
| 5.1.1 统计学习理论基础 | 第51-52页 |
| 5.1.2 SVM原理 | 第52-55页 |
| 5.2 基于VMD和支持向量机的滚动轴承故障智能诊断 | 第55-57页 |
| 5.2.1 排列熵 | 第55-56页 |
| 5.2.2 基于VMD和SVM的滚动轴承故障智能诊断 | 第56-57页 |
| 5.3 实验数据分析 | 第57-63页 |
| 5.3.1 实验设置 | 第57页 |
| 5.3.2 实验结果分析 | 第57-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 工作总结 | 第65页 |
| 6.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第71页 |
