机械诊断现代信号处理及故障识别关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·引言 | 第9-13页 |
| ·进行设备状态监测和故障诊断的意义 | 第10-12页 |
| ·设备监测与诊断的目标 | 第12-13页 |
| ·设备监测与故障诊断技术的发展、现状及展望 | 第13-14页 |
| ·故障诊断的基本过程和原理 | 第13页 |
| ·设备监测与故障诊断技术的发展、现状 | 第13-14页 |
| ·设备监测与故障诊断技术的发展趋势 | 第14页 |
| ·关于课题的研究方案 | 第14-17页 |
| ·课题的提出 | 第14-15页 |
| ·论文研究内容 | 第15-16页 |
| ·国内外研究现状 | 第16-17页 |
| 2 小波分析及其在故障诊断中应用的研究 | 第17-38页 |
| ·小波分析理论 | 第17-23页 |
| ·小波定义 | 第17-18页 |
| ·小波变换的特点 | 第18-19页 |
| ·离散小波变换的多分辨率分析 | 第19-23页 |
| ·小波分析在机械诊断中的应用 | 第23-38页 |
| ·滚动轴承振动信号小波域自适应滤波方法 | 第23-27页 |
| ·旋转机械状态的提升小波复合特征识别方法的研究 | 第27-33页 |
| ·往复机构混沌振动响应特征辩识 | 第33-38页 |
| 3 经验模式分解(EMD)在轴承故障诊断中的应用 | 第38-43页 |
| ·EMD基本原理 | 第38-39页 |
| ·EMD-AR模型基本算法 | 第39-40页 |
| ·滚动轴承诊断实例 | 第40-41页 |
| ·结论 | 第41-43页 |
| 4 独立分量分析(ICA)在机械系统诊断中的应用 | 第43-48页 |
| ·ICA算法基本原理 | 第43-44页 |
| ·振动信号预处理 | 第43-44页 |
| ·FASTICA算法 | 第44页 |
| ·计算机仿真实验 | 第44-45页 |
| ·机械状态目标识别可行性验证 | 第45-48页 |
| ·支持向量机(SVM)分类算法 | 第45-46页 |
| ·实验研究 | 第46-48页 |
| 5 应用盲解卷积提取机械系统诊断信息 | 第48-63页 |
| ·转子-轴承系统卷积识别机理 | 第48-52页 |
| ·卷积混叠理论及小波-ICA方法 | 第48-50页 |
| ·实验验证 | 第50-52页 |
| ·一种新的双谱解卷积方法 | 第52-56页 |
| ·算法原理 | 第52-54页 |
| ·实验研究 | 第54-56页 |
| ·结论 | 第56页 |
| ·强干扰下耦合机械系统盲辨识 | 第56-63页 |
| ·匹配追踪方法 | 第56-57页 |
| ·改进的PCA解卷准则 | 第57-59页 |
| ·实验研究 | 第59-62页 |
| ·结论 | 第62-63页 |
| 6 总结与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录: 作者攻读硕士学位期间发表论文情况 | 第68页 |
