基于振动分析的滚动轴承早期故障诊断研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-14页 |
| 1 绪论 | 第14-21页 |
| ·课题背景及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·滚动轴承故障诊断技术 | 第17-20页 |
| ·故障特征提取方法 | 第17-19页 |
| ·模式识别方法 | 第19-20页 |
| ·本文主要研究内容 | 第20-21页 |
| 2 滚动轴承故障机理及振动特性研究 | 第21-33页 |
| ·滚动轴承故障形式及成因 | 第21-22页 |
| ·滚动轴承振动基本参数 | 第22-24页 |
| ·滚动轴承故障诊断实验系统 | 第24-27页 |
| ·滚动轴承振动信号特征分析 | 第27-32页 |
| ·时域参数统计 | 第27-29页 |
| ·时频域分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于随机共振的早期故障识别 | 第33-45页 |
| ·随机共振相关理论 | 第33-36页 |
| ·经典随机共振理论 | 第33-35页 |
| ·非经典随机共振理论 | 第35-36页 |
| ·随机共振模型 | 第36-38页 |
| ·双稳随机共振模型 | 第36-37页 |
| ·单稳随机共振模型 | 第37-38页 |
| ·变尺度级联随机共振 | 第38-42页 |
| ·变尺度随机共振 | 第38-39页 |
| ·级联效应分析 | 第39-42页 |
| ·应用实例 | 第42-44页 |
| ·仿真信号研究 | 第42-43页 |
| ·实测信号研究 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于 EEMD 的滚动轴承故障特征提取 | 第45-64页 |
| ·EMD分解方法 | 第45-47页 |
| ·EEMD分解方法 | 第47-50页 |
| ·EEMD 分解 | 第47-48页 |
| ·EEMD 抗混叠研究 | 第48-50页 |
| ·包络分析法 | 第50-51页 |
| ·SR消噪下滚动轴承早期故障特征提取 | 第51-63页 |
| ·单点故障仿真分析 | 第52-55页 |
| ·耦合故障仿真分析 | 第55-57页 |
| ·单点故障实例分析 | 第57-60页 |
| ·耦合故障实例分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 5 基于神经网络的轴承故障诊断 | 第64-78页 |
| ·人工神经网络 | 第64-67页 |
| ·BP 神经网络 | 第64-65页 |
| ·RBF 神经网络 | 第65-67页 |
| ·轴承故障特征向量构建 | 第67-70页 |
| ·BP神经网络和RBF神经网络性能分析 | 第70-73页 |
| ·BP 网络性能分析 | 第70-71页 |
| ·RBF 网络性能分析 | 第71-73页 |
| ·遗传算法优化的RBF网络轴承故障诊断 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| ·全文总结 | 第78页 |
| ·展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 作者简介 | 第85页 |
