| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究目的和意义 | 第10-11页 |
| 1.2 机械故障诊断技术国内外研究现状 | 第11-16页 |
| 1.2.1 机械故障诊断的主要内容 | 第12-15页 |
| 1.2.2 机械故障诊断技术的研究现状 | 第15-16页 |
| 1.3 VMD算法的研究现状 | 第16-17页 |
| 1.4 本文的主要内容 | 第17-18页 |
| 第2章 变分模态分解方法 | 第18-35页 |
| 2.1 基础概念 | 第18-24页 |
| 2.1.1 解析信号 | 第18-19页 |
| 2.1.2 瞬时频率 | 第19-21页 |
| 2.1.3 内禀模态函数 | 第21-22页 |
| 2.1.4 EMD基本原理 | 第22-24页 |
| 2.1.5 模态混叠 | 第24页 |
| 2.2 VMD方法的原理 | 第24-27页 |
| 2.3 VMD方法的仿真分析 | 第27-34页 |
| 2.3.1 含噪情况下分离效果研究 | 第27-30页 |
| 2.3.2 间断信号干扰研究 | 第30-32页 |
| 2.3.3 脉冲信号干扰研究 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 混沌粒子群优化算法的原理 | 第35-41页 |
| 3.1 混沌的概念 | 第35页 |
| 3.2 粒子群优化算法 | 第35-38页 |
| 3.2.1 粒子群优化算法的起源 | 第35-36页 |
| 3.2.2 标准粒子群优化算法 | 第36-37页 |
| 3.2.3 参数分析 | 第37-38页 |
| 3.3 混沌粒子群优化算法的思想 | 第38-39页 |
| 3.4 混沌粒子群优化算法的数值仿真 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于混沌粒子群算法优化VMD参数的滚动轴承故障识别方法 | 第41-53页 |
| 4.1 实验数据采集系统 | 第41-42页 |
| 4.2 VMD参数的优化方法 | 第42-44页 |
| 4.3 有效模态分量的提取 | 第44-46页 |
| 4.4 特征向量的构造 | 第46-48页 |
| 4.4.1 样本熵原理 | 第46-47页 |
| 4.4.2 均方根值 | 第47-48页 |
| 4.5 故障识别 | 第48-52页 |
| 4.5.1 核模糊C均值聚类的原理 | 第48-49页 |
| 4.5.2 KFCM聚类效果的评价指标 | 第49页 |
| 4.5.3 KFCM聚类结果 | 第49-50页 |
| 4.5.4 故障识别过程 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 基于VMD消噪的滚动轴承故障识别方法 | 第53-66页 |
| 5.1 滚动轴承故障模拟实验系统 | 第53-58页 |
| 5.1.1 机械故障综合模拟实验台 | 第53-56页 |
| 5.1.2 基于Lab VIEW的数据采集系统 | 第56-58页 |
| 5.2 基于VMD消噪的滚动轴承故障识别方法 | 第58-60页 |
| 5.3 VMD参数的确定方法 | 第60-61页 |
| 5.3.1 仿真信号 | 第60页 |
| 5.3.2 实验采集数据 | 第60-61页 |
| 5.4 实验采集数据处理流程 | 第61-62页 |
| 5.5 故障识别结果 | 第62-65页 |
| 5.6 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间承担的科研任务与主要研究成果 | 第72-74页 |
| 致谢 | 第74页 |