| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 滚动轴承故障诊断概述 | 第10-14页 |
| 1.2.1 监测与诊断发展历程 | 第10-11页 |
| 1.2.2 基本的失效形式 | 第11-13页 |
| 1.2.3 故障信息的主要获取方法 | 第13-14页 |
| 1.3 论文的结构和主要研究工作 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 滚动轴承振动机理和诊断方案研究 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 滚动轴承的结构 | 第17-19页 |
| 2.2.1 滚动轴承的构成 | 第17-18页 |
| 2.2.2 滚动轴承的分类 | 第18-19页 |
| 2.3 滚动轴承的振动机理 | 第19-25页 |
| 2.3.1 滚动轴承的运动分析 | 第19-22页 |
| 2.3.2 滚动轴承的特征频率计算 | 第22-25页 |
| 2.4 滚动轴承故障诊断中特征提取与模式识别研究现状 | 第25-29页 |
| 2.4.1 滚动轴承故障特征提取方法的研究现状 | 第25-28页 |
| 2.4.2 故障模式识别方法的研究现状 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 滚动轴承特征提取研究 | 第30-51页 |
| 3.1 引言 | 第30页 |
| 3.2 EMD算法基本思想和算法 | 第30-34页 |
| 3.2.1 EMD的基本原理与方法 | 第30-31页 |
| 3.2.2 EMD的实现过程 | 第31-33页 |
| 3.2.3 EMD算法的完备性 | 第33-34页 |
| 3.3 改进算法EEMD和CEEMD | 第34-39页 |
| 3.3.1 EMD算法的缺陷 | 第34-36页 |
| 3.3.2 EEMD算法的实现 | 第36-37页 |
| 3.3.3 CEEMD算法的实现 | 第37-39页 |
| 3.4 基于CEEMD和时间序列模型的特征提取方法研究 | 第39-49页 |
| 3.4.1 基于CEEMD和AR模型的方案 | 第39-41页 |
| 3.4.2 基于CEEMD和AR模型的仿真和对比分析 | 第41-46页 |
| 3.4.3 轴承振动信号的验证和对比 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于HMM-SVM的滚动轴承故障诊断研究 | 第51-63页 |
| 4.1 引言 | 第51页 |
| 4.2 基于HMM的轴承故障识别方法研究 | 第51-58页 |
| 4.2.1 HMM的定义及基本算法 | 第51-57页 |
| 4.2.2 HMM的结构及参数初始化 | 第57页 |
| 4.2.3 HMM模型训练 | 第57-58页 |
| 4.2.4 HMM模型识别决策 | 第58页 |
| 4.3 基于SVM的故障分类识别方法研究 | 第58-61页 |
| 4.3.1 统计学习理论 | 第58-59页 |
| 4.3.2 SVM结构风险最小化原则 | 第59-60页 |
| 4.3.3 SVM的训练 | 第60-61页 |
| 4.4 基于HMM-SVM滚动轴承状态识别系统的构建 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 滚动轴承故障诊断仿真实验 | 第63-75页 |
| 5.1 引言 | 第63页 |
| 5.2 系统软硬件实验平台设计 | 第63-69页 |
| 5.2.1 系统总体构架 | 第63页 |
| 5.2.2 实验平台系统硬件系统搭建 | 第63-66页 |
| 5.2.3 实验平台软件系统设计 | 第66-69页 |
| 5.3 仿真测试系统试验 | 第69-73页 |
| 5.4 本章小结 | 第73-75页 |
| 第6章 总结和展望 | 第75-77页 |
| 6.1 本文总结 | 第75-76页 |
| 6.2 研究展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间获得的科研成果 | 第81页 |
