| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 机械振动信号分析处理的意义 | 第9-10页 |
| 1.2 振动信号分析与处理的研究现状 | 第10-13页 |
| 1.2.1 时域分析和频域分析 | 第10-11页 |
| 1.2.2 时频分析方法 | 第11-12页 |
| 1.2.3 希尔伯特-黄变换 | 第12页 |
| 1.2.4 盲信号分离和独立分量分析 | 第12-13页 |
| 1.3 轧机振动信号处理的意义以及轧辊故障类型 | 第13-14页 |
| 1.4 论文主要研究内容和关键难点以及技术路线 | 第14-17页 |
| 1.4.1 主要研究内容 | 第14-15页 |
| 1.4.2 论文的主要创新点 | 第15页 |
| 1.4.3 关键难点 | 第15-16页 |
| 1.4.4 主要技术路线 | 第16-17页 |
| 第二章 小波变换理论分析 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 傅里叶变换和短时傅里叶变换理论 | 第17-19页 |
| 2.3 小波变换 | 第19-21页 |
| 2.3.1 连续小波变换 | 第20页 |
| 2.3.2 离散小波变换 | 第20-21页 |
| 2.4 多分辨率分析 | 第21-24页 |
| 2.5 小波的分解与重构 | 第24-26页 |
| 2.6 常用的小波基函数 | 第26-29页 |
| 2.7 小波变换的应用 | 第29-32页 |
| 2.8 本章小结 | 第32-33页 |
| 第三章 小波收缩阈值结合小波相邻系数的降噪 | 第33-49页 |
| 3.1 小波收缩阈值消噪理论 | 第33-40页 |
| 3.1.1 引言 | 第33-34页 |
| 3.1.2 小波消噪原理 | 第34-35页 |
| 3.1.3 阈值函数的选择 | 第35-37页 |
| 3.1.4 仿真验证 | 第37-40页 |
| 3.2 自适应分解层数的确定 | 第40-44页 |
| 3.2.1 引言 | 第40页 |
| 3.2.2 小波系数的奇异谱分析 | 第40-41页 |
| 3.2.3 奇异谱分析确定分解层数 | 第41-42页 |
| 3.2.4 仿真验证 | 第42页 |
| 3.2.5 模极大值理论确定分解层数 | 第42-44页 |
| 3.3 自适应调整参数的小波相邻系数联合收缩阈值降噪 | 第44-48页 |
| 3.3.1 小波相邻系数消噪过程 | 第44-45页 |
| 3.3.2 自适应调整小波相邻系数结合收缩阈值降噪的仿真 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 自适应小波基的选择 | 第49-63页 |
| 4.1 小波基选择的讨论 | 第49-50页 |
| 4.1.1 小波基选择的意义 | 第49页 |
| 4.1.2 小波基的选择 | 第49-50页 |
| 4.2 遗传算法的概述 | 第50-52页 |
| 4.2.1 遗传算法的原理 | 第50-51页 |
| 4.2.2 遗传算法的运算流程 | 第51-52页 |
| 4.3 基于正交小波滤波器参数方程的小波基函数选择 | 第52-62页 |
| 4.3.1 正交小波滤波器参数方程表达形式 | 第52-54页 |
| 4.3.2 适应度函数 | 第54-55页 |
| 4.3.3 遗传算法实现自适应小波基的的消噪 | 第55-60页 |
| 4.3.4 遗传算法实现自适应小波基的特征信息提取与分离 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 基于SVM的轧机工作辊磨损实验研究 | 第63-76页 |
| 5.1 数据采集系统 | 第63-65页 |
| 5.1.1 采集系统的硬件 | 第63-64页 |
| 5.1.2 采集系统的软件 | 第64-65页 |
| 5.2 采集数据 | 第65-67页 |
| 5.3 支持向量机概述 | 第67-74页 |
| 5.3.1 支持向量机理论基础 | 第68-70页 |
| 5.3.2 基于核函数的支持向量机 | 第70-72页 |
| 5.3.3 支持向量机的分类问题 | 第72页 |
| 5.3.4 基于支持向量机的工作辊磨损诊断 | 第72-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第六章总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 附录 | 第83-89页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第89页 |
