| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 机械故障诊断的发展过程及研究现状 | 第11-13页 |
| 1.2.1 机械故障诊断的发展过程 | 第11-12页 |
| 1.2.2 机械故障诊断的研究现状及趋势 | 第12-13页 |
| 1.3 机械故障诊断常用的检测方法 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第2章 滚动轴承故障特征及振动信号分析方法 | 第16-29页 |
| 2.1 滚动轴承故障特征频率 | 第16-18页 |
| 2.2 滚动轴承的振动的类型 | 第18-19页 |
| 2.3 滚动轴承的失效形式和原因 | 第19-20页 |
| 2.4 滚动轴承的故障发展过程 | 第20-21页 |
| 2.5 滚动轴承的振动分析方法及传感器 | 第21-28页 |
| 2.5.1 滚动轴承故障诊断的时域分析方法 | 第22-24页 |
| 2.5.2 滚动轴承故障诊断的频域分析方法 | 第24-25页 |
| 2.5.3 滚动轴承故障诊断的时频分析方法 | 第25-27页 |
| 2.5.4 滚动轴承故障诊断传感器的选择 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 形态滤波和LMD在滚动轴承故障诊断中的应用 | 第29-46页 |
| 3.1 LMD算法的基本原理 | 第29-32页 |
| 3.1.1 LMD算法的分解过程 | 第30-31页 |
| 3.1.2 LMD算法的优点 | 第31-32页 |
| 3.2 仿真分析 | 第32-34页 |
| 3.3 形态滤波基本原理 | 第34-36页 |
| 3.3.1 形态滤波常用的形态学运算 | 第34-35页 |
| 3.3.2 自适应形态滤波算法过程 | 第35-36页 |
| 3.4 滚动轴承故障诊断流程图 | 第36页 |
| 3.5 实验分析 | 第36-45页 |
| 3.5.1 西储大学实验分析 | 第36-43页 |
| 3.5.2 实际应用 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 LMD多尺度近似熵在轴承故障诊断中的应用 | 第46-58页 |
| 4.1 近似熵理论 | 第46-47页 |
| 4.2 基于LMD的多尺度近似熵方法 | 第47页 |
| 4.3 支持向量机算法 | 第47-50页 |
| 4.3.1 支持向量机原理 | 第48-50页 |
| 4.3.2 支持向量机的优缺点 | 第50页 |
| 4.4 故障诊断流程图 | 第50页 |
| 4.5 实验分析 | 第50-57页 |
| 4.5.1 基于LMD多尺度近似熵的不同故障分类 | 第50-53页 |
| 4.5.2 基于LMD多尺度近似熵不同故障程度识别 | 第53-55页 |
| 4.5.3 实际应用 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |