基于CEEMDAN和模糊神经网络的滚动轴承故障诊断研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 滚动轴承故障的相关诊断方法及发展现状 | 第8-9页 |
| 1.3 论文的主要研究内容和结构安排 | 第9-11页 |
| 第二章 滚动轴承振动信号采集及实验设计 | 第11-16页 |
| 2.1 滚动轴承振动特征研究 | 第11-14页 |
| 2.2 实验设计 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 小波包变换在轴承诊断中的应用 | 第16-32页 |
| 3.1 小波包分析 | 第16-25页 |
| 3.2 轴承故障信号的消噪处理 | 第25-28页 |
| 3.3 轴承故障信号的特征提取 | 第28-29页 |
| 3.4 实例诊断 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于CEEMDAN的滚动轴承故障诊断 | 第32-45页 |
| 4.1 关于CEEMDAN | 第32-36页 |
| 4.2 峭度准则和能量熵 | 第36-37页 |
| 4.3 仿真分析 | 第37-39页 |
| 4.4 实例应用 | 第39-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于BP神经网络的轴承故障诊断 | 第45-51页 |
| 5.1 BP神经网络 | 第45-46页 |
| 5.2 基于BP神经网络的轴承故障诊断方法 | 第46-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 基于模糊神经网络的滚动轴承故障诊断 | 第51-57页 |
| 6.1 模糊和神经网络的结合方式 | 第51-52页 |
| 6.2 模糊神经网络ANFIS | 第52-53页 |
| 6.3 基于ANFIS的轴承故障诊断方法的实现 | 第53-55页 |
| 6.4 诊断结果对比分析 | 第55-56页 |
| 6.5 本章小结 | 第56-57页 |
| 第七章 结论与展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录 | 第60-68页 |
| 致谢 | 第68-69页 |
| 个人简介及论文发表情况 | 第69页 |
