| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-20页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.2 滚动轴承故障诊断概述 | 第11-13页 |
| 1.2.1 常用的滚动轴承故障诊断方法 | 第11-12页 |
| 1.2.2 滚动轴承故障振动诊断发展状况 | 第12-13页 |
| 1.3 当代滚动轴承故障振动诊断几个关键问题 | 第13-16页 |
| 1.3.1 降噪问题 | 第13-14页 |
| 1.3.2 特征提取问题 | 第14-16页 |
| 1.4 流形学习方法概述与应用 | 第16-17页 |
| 1.4.1 流形学习方法概述 | 第16-17页 |
| 1.4.2 流形学习在故障诊断中的应用 | 第17页 |
| 1.5 论文的主要研究内容与结构安排 | 第17-20页 |
| 2 滚动轴承故障机理与常用振动分析方法 | 第20-33页 |
| 2.1 滚动轴承基本结构 | 第20-21页 |
| 2.2 滚动轴承故障形式 | 第21-23页 |
| 2.3 滚动轴承振动机理与特征频率 | 第23-26页 |
| 2.3.1 滚动轴承振动机理 | 第23-25页 |
| 2.3.2 滚动轴承故障特征频率与固有频率 | 第25-26页 |
| 2.4 滚动轴承振动分析常用方法 | 第26-32页 |
| 2.4.1 时域分析方法 | 第26-28页 |
| 2.4.2 频域分析方法 | 第28-30页 |
| 2.4.3 时频域分析方法 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于流形改进EMD的滚动轴承早期微弱故障信号降噪方法 | 第33-45页 |
| 3.1 KPCA流形学习方法 | 第33-34页 |
| 3.2 LTSA流形学习方法 | 第34-35页 |
| 3.3 基于流形改进EMD的降噪方法 | 第35-36页 |
| 3.4 工程实例 | 第36-44页 |
| 3.4.1 实际数据 | 第36-38页 |
| 3.4.2 常规方法分析 | 第38-41页 |
| 3.4.3 本文方法分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于二维流形-Hilbert时频谱的滚动轴承故障特征提取 | 第45-59页 |
| 4.1 二维流形方法 | 第45-46页 |
| 4.1.1 LPP流形算法 | 第45-46页 |
| 4.1.2 2D-LPP算法 | 第46页 |
| 4.2 概率神经网络 | 第46-48页 |
| 4.3 基于二维流形-Hilbert时频谱的特征提取方法步骤 | 第48-49页 |
| 4.4 实验研究 | 第49-57页 |
| 4.4.1 实际轴承信号 | 第49-50页 |
| 4.4.2 滚动轴承Hilbert时频谱特征 | 第50-53页 |
| 4.4.3 滚动轴承Hilbert时频谱的流形特征 | 第53-57页 |
| 4.5 故障状态分类可靠性验证 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 5 滚动轴承故障振动分析系统开发 | 第59-68页 |
| 5.1 软件平台介绍 | 第59-60页 |
| 5.2 系统整体方案设计 | 第60-61页 |
| 5.3 系统子VI研制 | 第61-67页 |
| 5.3.1 系统登录子VI设计 | 第61-62页 |
| 5.3.2 数据管理子VI设计 | 第62-64页 |
| 5.3.3 参数设置子VI设计 | 第64-65页 |
| 5.3.4 信号预处理子VI设计 | 第65-66页 |
| 5.3.5 信号处理子VI设计 | 第66页 |
| 5.3.6 故障知识库子VI设计 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士学位期间发表学术论文情况 | 第77-78页 |
| 致谢 | 第78-80页 |
