| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·对振动筛轴承进行故障诊断的研究 | 第10-12页 |
| ·对振动筛轴承进行故障的必要性 | 第10页 |
| ·对振动筛轴承进行故障的现状 | 第10-11页 |
| ·轴承故障检测常用的方法 | 第11-12页 |
| ·盲源分离方法的研究现状 | 第12-15页 |
| ·盲源分离的研究之进展 | 第12-13页 |
| ·盲源分离方法的概述 | 第13-14页 |
| ·盲源分离技术在振动机械故障诊断中的应用 | 第14-15页 |
| ·盲源分离算法在机械故障诊断中的限制 | 第15页 |
| ·论文研究的内容与结构安排 | 第15-17页 |
| 2 盲源分离的理论基础及算法介绍 | 第17-36页 |
| ·盲源分离的基本问题 | 第17页 |
| ·盲源分离的数学描述 | 第17-19页 |
| ·问题描述 | 第17-18页 |
| ·基本假设 | 第18-19页 |
| ·熵和信息 | 第19-23页 |
| ·熵 | 第19-20页 |
| ·K-L 熵和互信息 | 第20-21页 |
| ·负熵 | 第21-23页 |
| ·独立元分析的过程 | 第23-25页 |
| ·预白化过程 | 第23-24页 |
| ·分离过程 | 第24-25页 |
| ·ICA 基矢量的估计 | 第25页 |
| ·盲源分离的几种有效算法 | 第25-30页 |
| ·最大熵方法 | 第25-27页 |
| ·最小互信息方法 | 第27-28页 |
| ·自然梯度算法仿真 | 第28-30页 |
| ·ICA 的快速定点算法的介绍 | 第30-34页 |
| ·快速定点算法的算法步骤 | 第31-32页 |
| ·图像分离仿真实验 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 3 基于改进的 EEMD-BSS 的算法及其应用 | 第36-48页 |
| ·EMD 算法 | 第36-37页 |
| ·EEMD 算法 | 第37-42页 |
| ·具体的原理与分解步骤 | 第38页 |
| ·EMD 与 EEMD 算法性能比较的模拟仿真 | 第38-42页 |
| ·EEMD-BSS 算法的优点及应用 | 第42-45页 |
| ·EEMD 分解的盲源分离算法的思路 | 第43页 |
| ·模拟仿真实验 | 第43-45页 |
| ·机械源数的估计 | 第45-47页 |
| ·基于 EEMD-SVD 源数估计的方法 | 第45-46页 |
| ·EEMD-SVD 的源数估计步骤 | 第46页 |
| ·仿真实验 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 4 振动筛的滚动轴承故障的特征分析 | 第48-59页 |
| ·振动筛滚动轴承的主要失效形式 | 第48-49页 |
| ·滚动轴承故障的检测方法 | 第49-50页 |
| ·滚动轴承故障的振动检测法 | 第50-54页 |
| ·振动筛滚动轴承故障频率的计算方法 | 第51-53页 |
| ·振动筛滚动轴承的故障特征频率的计算 | 第53-54页 |
| ·实验室振动筛中轴承振动受力的分析 | 第54-56页 |
| ·振动筛滚动轴承故障频谱分析 | 第56-58页 |
| ·振动筛内圈频谱特征 | 第57页 |
| ·振动筛外圈频谱特征 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 5 振动筛的轴承故障诊断实验 | 第59-76页 |
| ·实验采用振动筛的简单介绍 | 第59-61页 |
| ·实验室振动筛的结构 | 第59-60页 |
| ·实验室振动筛的工作原理 | 第60-61页 |
| ·振动筛滚动轴承故障数据平台的搭建 | 第61-63页 |
| ·故障数据提取过程 | 第61-62页 |
| ·传感器的选择 | 第62页 |
| ·实验所采用的应变测试系统 | 第62-63页 |
| ·传感器的布置 | 第63页 |
| ·旋转机械滚动轴承内外圈故障的频谱特征 | 第63-65页 |
| ·BSS 算法在振动筛滚动轴承内圈故障的数据分析 | 第65-70页 |
| ·基于 EEMD-BSS 算法在机械故障诊断中的解决方案 | 第70页 |
| ·基于 EEMD-BSS 算法对轴承外圈故障的单通道盲分离 | 第70-75页 |
| ·本章总结 | 第75-76页 |
| 6 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表的学术论文 | 第83页 |