| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 电机轴承故障诊断方法 | 第11-13页 |
| 1.2.2 电机轴承故障特征提取方法研究现状 | 第13-15页 |
| 1.3 论文的主要工作及内容 | 第15页 |
| 本章小结 | 第15-16页 |
| 第二章 电机轴承故障类型及诊断模型 | 第16-22页 |
| 2.1 轴承的典型结构 | 第16-17页 |
| 2.2 轴承的故障类型 | 第17-18页 |
| 2.3 电机轴承故障诊断模型 | 第18-19页 |
| 2.4 电机轴承故障特征提取 | 第19-20页 |
| 2.4.1 电机轴承故障特征频率的计算 | 第19页 |
| 2.4.2 电机轴承故障特征提取的思想 | 第19-20页 |
| 2.5 滚动轴承实验平台 | 第20-21页 |
| 本章小结 | 第21-22页 |
| 第三章 电机轴承故障振动信号的分析 | 第22-45页 |
| 3.1 经验模态分解 | 第22-30页 |
| 3.1.1 经验模态分解方法 | 第22-24页 |
| 3.1.2 经验模态分解方法的特点 | 第24-27页 |
| 3.1.3 基于经验模态分解的电机轴承故障振动信号分析 | 第27-30页 |
| 3.2 集合经验模态分解 | 第30-34页 |
| 3.2.1 集合经验模态分解方法 | 第30-31页 |
| 3.2.2 集合经验模态分解方法的特点 | 第31-32页 |
| 3.2.3 基于集合经验模态分解的电机轴承故障振动信号分析 | 第32-34页 |
| 3.3 有效模态的选取 | 第34-40页 |
| 3.3.1 时域下的有效模态选取 | 第34-35页 |
| 3.3.2 频域下的有效模态选取 | 第35-40页 |
| 3.4 基于EMD、EEMD和Hilbert变换的故障特征分析 | 第40-44页 |
| 3.4.1 Hilbert变换 | 第40-41页 |
| 3.4.2 电机轴承故障特征频率的提取和分析 | 第41-44页 |
| 本章小结 | 第44-45页 |
| 第四章 基于多尺度模糊熵的电机轴承故障特征提取 | 第45-55页 |
| 4.1 多尺度模糊熵 | 第46-50页 |
| 4.1.1 熵 | 第46页 |
| 4.1.2 样本熵 | 第46-47页 |
| 4.1.3 模糊熵 | 第47-48页 |
| 4.1.4 多尺度熵 | 第48-49页 |
| 4.1.5 多尺度模糊熵 | 第49-50页 |
| 4.2 基于EMD和模糊熵的故障特征提取方法 | 第50-51页 |
| 4.3 基于EMD和多尺度模糊熵的故障特征提取方法 | 第51-52页 |
| 4.4 基于EEMD和模糊熵的故障特征提取方法 | 第52-53页 |
| 4.5 基于EEMD和多尺度模糊熵的故障特征提取方法 | 第53-54页 |
| 本章小结 | 第54-55页 |
| 第五章 故障特征提取方法的有效性分析 | 第55-60页 |
| 5.1 基于支持向量机的多故障分类器 | 第55-56页 |
| 5.2 故障分类结果 | 第56-57页 |
| 5.2.1 基于模糊熵和SVM的故障分类结果 | 第56页 |
| 5.2.2 基于多尺度模糊熵和SVM的故障分类结果 | 第56-57页 |
| 5.3 实验结果的比较分析 | 第57-59页 |
| 本章小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 攻读硕士期间参加的科研项目 | 第65-66页 |
| 致谢 | 第66页 |
