轴承性能退化评估与预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的背景及意义 | 第9-10页 |
| 1.3 国内外相关技术的研究现状 | 第10-16页 |
| 1.3.1 信号分析与处理技术的研究现状 | 第10-12页 |
| 1.3.2 性能退化评估与预测的研究现状 | 第12-14页 |
| 1.3.3 研究现状总结 | 第14-16页 |
| 1.4 主要研究内容 | 第16-17页 |
| 第2章 轴承性能的LMD能谱熵 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 优化LMD算法 | 第17-27页 |
| 2.2.1 局部均值分解 | 第17-20页 |
| 2.2.2 LMD算法的不足 | 第20-23页 |
| 2.2.3 优化LMD算法 | 第23-25页 |
| 2.2.4 插值效果对比分析 | 第25-27页 |
| 2.3 LMD能谱熵 | 第27-29页 |
| 2.3.1 信息熵 | 第27-28页 |
| 2.3.2 LMD能谱熵 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 性能退化评估和预测模型的构建 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 退化临界值求取 | 第30-32页 |
| 3.2.1 拉依达准则 | 第30-31页 |
| 3.2.2 计算流程 | 第31-32页 |
| 3.3 基于逻辑回归的退化评估模型 | 第32-35页 |
| 3.3.1 逻辑回归数学模型 | 第32-33页 |
| 3.3.2 参数计算 | 第33-35页 |
| 3.4 基于极限学习机的预测模型 | 第35-39页 |
| 3.4.1 极限学习机模型结构 | 第36-38页 |
| 3.4.2 设计步骤 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于LMD能谱熵的轴承性能退化评估和预测 | 第40-54页 |
| 4.1 评估流程 | 第40页 |
| 4.2 实验设置 | 第40-43页 |
| 4.3 实验数据特征提取 | 第43-48页 |
| 4.3.1 LMD能谱熵 | 第43-45页 |
| 4.3.2 结果验证 | 第45-48页 |
| 4.4 退化评估与预测 | 第48-53页 |
| 4.4.1 基于逻辑回归的轴承退化评估 | 第48-49页 |
| 4.4.2 基于极限学习机的轴承退化预测 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 轨道交通关键设备轴承维护系统软件设计 | 第54-63页 |
| 5.1 引言 | 第54页 |
| 5.2 总体需求分析 | 第54-55页 |
| 5.3 软件设计 | 第55-57页 |
| 5.3.1 软件监控对象 | 第55-56页 |
| 5.3.2 开发工具 | 第56-57页 |
| 5.3.3 结构设计及模块功能 | 第57页 |
| 5.4 软件运行 | 第57-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71页 |
