| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 滚动轴承故障诊断的发展历程和研究现状 | 第11-16页 |
| 1.2.1 滚动轴承故障诊断的发展历程 | 第11-12页 |
| 1.2.2 滚动轴承故障诊断的研究现状 | 第12-16页 |
| 1.2.2.1 故障特征提取研究现状 | 第12-14页 |
| 1.2.2.2 故障分类方法研究现状 | 第14-16页 |
| 1.3 本文的内容安排 | 第16-18页 |
| 第2章 自适应变分模态分解及其故障诊断方法研究 | 第18-60页 |
| 2.1 引言 | 第18页 |
| 2.2 VMD算法理论框架 | 第18-21页 |
| 2.2.1 维纳滤波 | 第18-19页 |
| 2.2.2 希尔伯特变换和希尔伯特包络谱 | 第19页 |
| 2.2.3 VMD算法 | 第19-21页 |
| 2.3 VMD算法的优势 | 第21-32页 |
| 2.3.1 VMD在抗模态混叠性能方面优势 | 第22-28页 |
| 2.3.2 VMD在抗虚假分量能力方面优势 | 第28-29页 |
| 2.3.3 VMD在噪声鲁棒性方面优势 | 第29-32页 |
| 2.4 VMD算法的不足及改进 | 第32-35页 |
| 2.4.1 自适应VMD | 第32-34页 |
| 2.4.2 距离相关系数改进端点效应 | 第34-35页 |
| 2.5 改进效果分析 | 第35-45页 |
| 2.5.1 端点效应的改进效果分析 | 第35-39页 |
| 2.5.2 自适应VMD的改进效果分析 | 第39-45页 |
| 2.6 故障诊断中的应用 | 第45-59页 |
| 2.7 本章小结 | 第59-60页 |
| 第3章 基于改进极限学习机算法的轴承故障诊断 | 第60-83页 |
| 3.1 极限学习算法的理论 | 第60-67页 |
| 3.1.1 理论框架 | 第60-63页 |
| 3.1.2 理论的不足及改进 | 第63-67页 |
| 3.2 模态函数的归一化能量和排列熵特征 | 第67-71页 |
| 3.3 故障诊断模型 | 第71页 |
| 3.4 复合故障分类应用 | 第71-81页 |
| 3.5 本章小结 | 第81-83页 |
| 第4章 ELM改进的基于变量预测模型的分类算法及故障诊断应用 | 第83-102页 |
| 4.1 基于变量预测模型的分类算法 | 第83-87页 |
| 4.2 VPM模型选择 | 第87-92页 |
| 4.3 VPM模型变量集选择 | 第92-96页 |
| 4.4 复合故障分类应用 | 第96-101页 |
| 4.5 本章小结 | 第101-102页 |
| 第5章 全文总结 | 第102-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-111页 |
| 攻读硕士学位期间的学术成果 | 第111页 |