| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 论文背景与研究意义 | 第13-14页 |
| 1.2 轴承故障智能诊断方法的国内外研究进展与发展趋势 | 第14-18页 |
| 1.2.1 国外研究进展与现状 | 第14-15页 |
| 1.2.2 国内研究进展与现状 | 第15-16页 |
| 1.2.3 现有诊断技术的局限性及发展趋势 | 第16-18页 |
| 1.3 论文主要工作及内容安排 | 第18-20页 |
| 1.3.1 论文的研究思路 | 第18-19页 |
| 1.3.2 论文的内容安排 | 第19页 |
| 1.3.3 论文的研究成果及创新点 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 SVD方法在信号处理中的应用研究 | 第21-43页 |
| 2.1 引言 | 第21-22页 |
| 2.2 SVD方法 | 第22-38页 |
| 2.2.1 SVD理论及其性质 | 第22-24页 |
| 2.2.2 构造SVD分析矩阵 | 第24-27页 |
| 2.2.3 有效奇异值的选择 | 第27-34页 |
| 2.2.4 信号重构 | 第34-38页 |
| 2.3 MRSVD在信号处理中的应用 | 第38-41页 |
| 2.3.1 MRSVD方法 | 第38-40页 |
| 2.3.2 MRSVD方法在信号处理中的应用 | 第40-41页 |
| 2.4 本章小结 | 第41-43页 |
| 第三章 基于二次SVD和VPMCD的故障智能诊断方法研究 | 第43-53页 |
| 3.1 引言 | 第43-44页 |
| 3.2 基于二次SVD和能量矩的信号特征提取方法 | 第44-48页 |
| 3.2.1 二次SVD方法 | 第44-45页 |
| 3.2.2 能量矩 | 第45-47页 |
| 3.2.3 构造特征矩阵 | 第47-48页 |
| 3.3 基于VPMCD的智能模式识别方法研究 | 第48-50页 |
| 3.4 基于二次SVD和VPMCD的故障智能诊断方法 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于二次SVD和VPMCD方法在滚动轴承故障诊断中的应用 | 第53-67页 |
| 4.1 引言 | 第53-54页 |
| 4.2 滚动轴承的故障诊断机理 | 第54-58页 |
| 4.2.1 滚动轴承故障形式 | 第54-56页 |
| 4.2.2 滚动轴承振动特征 | 第56-57页 |
| 4.2.3 轴承故障诊断系统 | 第57-58页 |
| 4.3 基于二次SVD和VPMCD方法的滚动轴承故障诊断 | 第58-66页 |
| 4.3.1 实验设计 | 第58-59页 |
| 4.3.2 实验分析 | 第59-64页 |
| 4.3.3 对比研究 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 结论与展望 | 第67-71页 |
| 5.1 本文主要研究成果 | 第67-68页 |
| 5.2 进一步工作展望 | 第68-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 附录A (攻读硕士期间发表的论文) | 第79页 |
