首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--转动机件论文--轴承论文--滚动轴承论文

基于改进HSMM的滚动轴承健康状态评估研究

摘要第4-6页
abstract第6-7页
第1章 绪论第10-20页
    1.1 课题来源第10页
    1.2 研究背景、目的和意义第10-12页
    1.3 相关领域国内外研究现状第12-17页
        1.3.1 退化特征提取与融合约简研究现状第12-15页
        1.3.2 健康状态评估研究现状第15-16页
        1.3.3 隐半马尔科夫模型研究现状第16-17页
    1.4 论文主要内容及结构安排第17-20页
        1.4.1 本文主要研究内容第17-18页
        1.4.2 本文组织结构第18-20页
第2章 滚动轴承振动机理分析与多域特征空间构建第20-33页
    2.1 滚动轴承基本结构第20页
    2.2 滚动轴承常见故障形式和振动机理分析第20-22页
    2.3 滚动轴承故障演化规律分析第22-24页
    2.4 滚动轴承多域特征空间构建第24-32页
        2.4.1 时域特征提取第24-26页
        2.4.2 频域特征提取第26-27页
        2.4.3 时频域特征提取第27-28页
        2.4.4 多域特征提取方法的实验分析第28-32页
    2.5 本章小结第32-33页
第3章 基于自适应流行学习算法的退化特征融合第33-52页
    3.1 基于多评价指标的退化特征选择第33-38页
        3.1.1 退化特征性能评价指标第34-35页
        3.1.2 基于DSmT的多评价指标融合特征选择第35-38页
    3.2 基于LGPCA流行学习算法的退化特征融合第38-41页
        3.2.1 基于LPP的局部目标函数第38-39页
        3.2.2 基于PCA的全局目标函数第39-40页
        3.2.3 LGPCA整体目标函数第40-41页
    3.3 LGPCA自适应邻域选择方法第41-45页
        3.3.1 初始近邻参数计算第42-43页
        3.3.2 自适应近邻参数调整第43-45页
    3.4 实例分析第45-51页
        3.4.1 退化特征选择第45-48页
        3.4.2 退化特征融合第48-51页
    3.5 本章小结第51-52页
第4章 基于MDD-HSMM的滚动轴承退化预测第52-73页
    4.1 HSMM基本描述第52-57页
        4.1.1 HSMM基本结构描述第52-53页
        4.1.2 HSMM基本算法描述第53-57页
    4.2 时变HSMM修正方法第57-61页
    4.3 高阶粒子滤波方法第61-63页
    4.4 基于MDD-HSMM的退化预测方法第63-65页
    4.5 实例分析第65-72页
        4.5.1 MDD-HSMM训练第65-69页
        4.5.2 滚动轴承退化预测第69-72页
    4.6 本章小结第72-73页
第5章 滚动轴承健康状态评估系统设计及实现第73-80页
    5.1 需求分析第73-74页
    5.2 总体设计第74-75页
    5.3 系统实现及验证第75-79页
    5.4 本章小结第79-80页
第6章 总结与展望第80-82页
    6.1 全文工作总结第80-81页
    6.2 未来工作展望第81-82页
致谢第82-83页
参考文献第83-88页
攻读硕士学位期间的研究成果第88页

论文共88页,点击 下载论文
上一篇:水+叔丁醇共沸体系分离的溶剂选择和过程模拟
下一篇:基于核极限学习机的齿轮故障诊断研究