| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-19页 |
| 1.1 选题研究意义与背景 | 第7-8页 |
| 1.2 国内外研究发展现状综述 | 第8-16页 |
| 1.2.1 机械故障振动机理的研究发展 | 第9-10页 |
| 1.2.2 故障信息检测技术的发展 | 第10-11页 |
| 1.2.3 信号处理方法的研究与发展 | 第11-15页 |
| 1.2.4 故障模式识别方法的发展 | 第15-16页 |
| 1.3 课题来源与研究内容 | 第16-19页 |
| 1.3.1 课题来源 | 第16页 |
| 1.3.2 研究目的与主要内容 | 第16-17页 |
| 1.3.3 内容结构 | 第17-19页 |
| 第二章 转子故障特征分析 | 第19-24页 |
| 2.1 引言 | 第19页 |
| 2.2 转子故障形式及原因 | 第19-22页 |
| 2.3 转子振动模型与机理分析 | 第22页 |
| 2.4 转子早期轻度故障特征 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 转子故障特征提取与分类识别方法研究 | 第24-45页 |
| 3.1 引言 | 第24页 |
| 3.2 经验模态分解(EMD)方法 | 第24-33页 |
| 3.2.1 EMD方法原理 | 第24-26页 |
| 3.2.2 EMD的特征提取特性 | 第26-28页 |
| 3.2.3 EMD的缺陷研究 | 第28-33页 |
| 3.3 集合经验模态分解(EEMD)方法 | 第33-38页 |
| 3.3.1 EEMD方法原理 | 第33-34页 |
| 3.3.2 EEMD的特征提取特性 | 第34-37页 |
| 3.3.3 EEMD的缺陷研究 | 第37-38页 |
| 3.4 基于峭度原则的EEMD转子特征提取方法 | 第38-41页 |
| 3.4.1 峭度与峭度原则 | 第38-39页 |
| 3.4.2 基于峭度原则EEMD方法的信号特征提取 | 第39-41页 |
| 3.5 基于支持向量机的转子故障分类识别方法 | 第41-44页 |
| 3.5.1 支持向量机 | 第41-43页 |
| 3.5.2 自回归(AR)模型 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 转子早期轻度故障特征提取与分类识别 | 第45-60页 |
| 4.1 引言 | 第45页 |
| 4.2 降噪预处理方法研究 | 第45-48页 |
| 4.2.1 小波阈值降噪方法 | 第45-46页 |
| 4.2.2 改进小波阈值降噪方法研究 | 第46-48页 |
| 4.3 基于峭度原则EEMD方法的转子故障特征提取 | 第48-56页 |
| 4.3.1 实验平台及相关介绍 | 第48-49页 |
| 4.3.2 信号降噪预处理 | 第49-50页 |
| 4.3.3 基于峭度原则EEMD方法的信号重构 | 第50-53页 |
| 4.3.4 转子故障振动信号特征提取 | 第53-56页 |
| 4.4 基于SVM的转子故障分类识别方法 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67-68页 |