| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 底盘机械设备故障诊断的研究意义和研究现状 | 第9-11页 |
| 1.3 振动信号分析方法的研究意义与现状 | 第11-13页 |
| 1.4 本文主要研究意义与内容 | 第13-15页 |
| 1.4.1 论文研究的目的与意义 | 第13页 |
| 1.4.2 论文的主要研究内容 | 第13-15页 |
| 第2章 经验模态分解及其在故障诊断中的应用 | 第15-33页 |
| 2.1 引言 | 第15页 |
| 2.2 经验模态分解方法的原理与算法 | 第15-26页 |
| 2.2.1 EMD的基本原理与算法 | 第15-17页 |
| 2.2.2 EMD数值仿真分析 | 第17-18页 |
| 2.2.3 奇异值差分谱理论 | 第18-21页 |
| 2.2.4 EMD奇异值差分谱降噪 | 第21-26页 |
| 2.3 经验模态分解和能量熵理论在支持向量机中的应用 | 第26-32页 |
| 2.3.1 EMD能量熵理论 | 第27页 |
| 2.3.2 支持向量机的引入 | 第27-30页 |
| 2.3.3 EMD能量熵和支持向量机的故障诊断 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 集合经验模态分解及其在故障诊断中的应用 | 第33-49页 |
| 3.1 引言 | 第33页 |
| 3.2 集合经验模态分解方法 | 第33-42页 |
| 3.2.1 EEMD基本原理 | 第33-34页 |
| 3.2.2 EEMD数值仿真分析 | 第34-38页 |
| 3.2.3 EEMD奇异值差分谱降噪 | 第38-42页 |
| 3.3 EEMD能量与支持向量机结合的智能诊断方法 | 第42-47页 |
| 3.3.1 EEMD能量和支持向量机结合的故障诊断 | 第42-43页 |
| 3.3.2 EEMD与SVM结合的轴承故障识别 | 第43-45页 |
| 3.3.3 EEMD与SVM结合的轴承故障超低维小样本四分类识别 | 第45-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 固有时间尺度分解及其在故障诊断中的应用 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 固有时间尺度分解 | 第49-56页 |
| 4.2.1 ITD基本原理 | 第49-50页 |
| 4.2.2 ITD(EMD)数值仿真分析 | 第50-52页 |
| 4.2.3 ITD与形态学滤波降噪 | 第52-56页 |
| 4.3 ITD与Teager能量算子结合SVM的轴承故障诊断 | 第56-63页 |
| 4.3.1 Teager能量算子的定义 | 第57页 |
| 4.3.2 ITD与Teager能量算子结合的故障诊断分析 | 第57-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第5章 多维固有时间尺度分解及其在重型车底盘故障诊断中的应用 | 第65-78页 |
| 5.1 引言 | 第65页 |
| 5.2 底盘结构振动特性与故障特征分析 | 第65-68页 |
| 5.2.1 底盘振动特性分析 | 第65-67页 |
| 5.2.2 底盘振动故障分析 | 第67-68页 |
| 5.3 多维数据处理方法 | 第68-77页 |
| 5.3.1 多维经验模态分解 | 第69-71页 |
| 5.3.2 多维本质时间尺度分解 | 第71-74页 |
| 5.3.3 基于多维固有时间尺度分解的底盘故障分析 | 第74-77页 |
| 5.4 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85页 |
