| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 滚珠丝杠副服役寿命预测技术的研究意义 | 第14-15页 |
| 1.2 滚珠丝杠副服役寿命预测关键技术及国内外研究现状 | 第15-22页 |
| 1.2.1 滚珠丝杠副状态监测方法 | 第15-17页 |
| 1.2.1.1 离线监测方法 | 第16页 |
| 1.2.1.2 在线监测方法 | 第16-17页 |
| 1.2.2 信号预处理技术 | 第17-18页 |
| 1.2.3 特征提取与选择 | 第18-20页 |
| 1.2.4 寿命预测技术 | 第20页 |
| 1.2.5 存在的问题及技术难点 | 第20-22页 |
| 1.3 滚珠丝杠副服役寿命预测技术的发展趋势 | 第22页 |
| 1.4 主要研究内容 | 第22-25页 |
| 1.4.1 滚珠丝杠副服役寿命评价体系 | 第23页 |
| 1.4.2 滚珠丝杠副加速寿命退化试验 | 第23-24页 |
| 1.4.3 信号分析与特征选择 | 第24页 |
| 1.4.4 滚珠丝杠副服役寿命预测模型 | 第24页 |
| 1.4.5 滚珠丝杠副性能退化的图示化分析方法 | 第24-25页 |
| 1.5 小结 | 第25-26页 |
| 第2章 滚珠丝杠副服役寿命评价体系 | 第26-39页 |
| 2.1 滚珠丝杠副服役寿命的描述方法 | 第26-27页 |
| 2.2 滚珠丝杠副疲劳寿命 | 第27-32页 |
| 2.2.1 轴向额定载荷 | 第27-29页 |
| 2.2.2 疲劳寿命 | 第29-32页 |
| 2.2.2.1 当量转速与当量轴向载荷的计算 | 第29-30页 |
| 2.2.2.2 额定寿命 | 第30-31页 |
| 2.2.2.3 修正的额定寿命 | 第31-32页 |
| 2.3 滚珠丝杠副关键性能 | 第32-35页 |
| 2.3.1 精度 | 第32-33页 |
| 2.3.2 摩擦力矩 | 第33页 |
| 2.3.3 温度 | 第33-34页 |
| 2.3.4 噪声 | 第34-35页 |
| 2.4 滚珠丝杠副综合性能评价 | 第35页 |
| 2.5 滚珠丝杠副服役寿命评价体系的建立 | 第35-38页 |
| 2.6 小结 | 第38-39页 |
| 第3章 滚珠丝杠副加速寿命退化试验 | 第39-52页 |
| 3.1 试验方法研究 | 第39-42页 |
| 3.1.1 试验目的 | 第39页 |
| 3.1.2 试验因素 | 第39-42页 |
| 3.1.3 全因子试验设计 | 第42页 |
| 3.2 试验装置 | 第42-50页 |
| 3.2.1 加速寿命退化试验台 | 第43-44页 |
| 3.2.2 伺服控制系统 | 第44-46页 |
| 3.2.3 传感器的选型与安装 | 第46-48页 |
| 3.2.3.1 传感器的选型 | 第46-47页 |
| 3.2.3.2 传感器的安装 | 第47-48页 |
| 3.2.4 加速寿命退化试验在线监测系统 | 第48-50页 |
| 3.3 试验步骤 | 第50-51页 |
| 3.4 小结 | 第51-52页 |
| 第4章 信号分析与特征选择 | 第52-85页 |
| 4.1 动态聚类数据预处理技术 | 第52-54页 |
| 4.2 时域特征与时域分析 | 第54-61页 |
| 4.3 频域特征与频域分析 | 第61-68页 |
| 4.4 小波变换与小波特征 | 第68-78页 |
| 4.4.1 连续小波变换 | 第69-70页 |
| 4.4.2 离散小波变换 | 第70-71页 |
| 4.4.3 多分辨率分析 | 第71-74页 |
| 4.4.4 小波包分析 | 第74-78页 |
| 4.5 近似熵 | 第78-81页 |
| 4.6 特征选取 | 第81-84页 |
| 4.6.1 特征选取方法 | 第81-82页 |
| 4.6.2 主成分分析 | 第82-83页 |
| 4.6.3 特征层信息融合 | 第83-84页 |
| 4.7 小结 | 第84-85页 |
| 第5章 滚珠丝杠副服役寿命预测模型 | 第85-113页 |
| 5.1 基于决策树理论的滚珠丝杠副服役寿命预测技术 | 第85-87页 |
| 5.1.1 决策树原理 | 第85-86页 |
| 5.1.2 基于决策树的滚珠丝杠副服役寿命预测 | 第86-87页 |
| 5.2 滚珠丝杠副服役寿命离线预测技术 | 第87-99页 |
| 5.2.1 动态模糊神经网络 | 第87-91页 |
| 5.2.1.1 动态模糊神经网络结构 | 第87-89页 |
| 5.2.1.2 动态模糊神经网络学习算法 | 第89-91页 |
| 5.2.2 量子遗传算法 | 第91-94页 |
| 5.2.2.1 量子比特编码 | 第91-92页 |
| 5.2.2.2 量子交叉与变异 | 第92页 |
| 5.2.2.3 量子旋转门 | 第92-94页 |
| 5.2.3 基于量子遗传算法的动态模糊神经网络优化 | 第94-96页 |
| 5.2.4 经验模式分解 | 第96-97页 |
| 5.2.5 滚珠丝杠副服役寿命预测基本模型 | 第97-99页 |
| 5.3 滚珠丝杠副精度评估技术 | 第99-108页 |
| 5.3.1 灰色神经网络 | 第100-101页 |
| 5.3.2 基于量子遗传算法的灰色神经网络优化 | 第101-102页 |
| 5.3.3 滚珠丝杠副精度评估模型 | 第102-108页 |
| 5.4 滚珠丝杠副服役寿命预测模型 | 第108-112页 |
| 5.5 小结 | 第112-113页 |
| 第6章 滚珠丝杠副性能退化的图示化分析方法 | 第113-136页 |
| 6.1 一种性能退化的图示化分析方法 | 第113-116页 |
| 6.1.1 算法的提出 | 第113-114页 |
| 6.1.2 算法步骤 | 第114-116页 |
| 6.2 实施例 | 第116-134页 |
| 6.3 小结 | 第134-136页 |
| 结论与展望 | 第136-139页 |
| 致谢 | 第139-140页 |
| 参考文献 | 第140-149页 |
| 攻读博士学位期间发表的论文及科研成果 | 第149-150页 |
