| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-18页 |
| 1.1 滚动轴承故障诊断研究意义 | 第8页 |
| 1.2 滚动轴承故障诊断研究综述 | 第8-12页 |
| 1.2.1 滚动轴承故障诊断研究历程 | 第8-10页 |
| 1.2.2 滚动轴承故障信息常用获取方法 | 第10-11页 |
| 1.2.3 滚动轴承故障诊断内容 | 第11-12页 |
| 1.3 滚动轴承故障诊断研究现状 | 第12-16页 |
| 1.3.1 特征提取研究现状 | 第12-15页 |
| 1.3.2 模式识别方法研究现状 | 第15-16页 |
| 1.4 论文主要研究内容和结构安排 | 第16-18页 |
| 第二章 滚动轴承的故障类型和振动机理 | 第18-24页 |
| 2.1 滚动轴承的结构 | 第18页 |
| 2.2 滚动轴承的故障类型 | 第18-20页 |
| 2.3 滚动轴承的振动频率 | 第20-21页 |
| 2.3.1 滚动轴承固有振动频率 | 第20页 |
| 2.3.2 滚动轴承故障特征频率 | 第20-21页 |
| 2.4 滚动轴承故障诊断实验 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 基于WT与改进HHT的滚动轴承故障特征提取 | 第24-48页 |
| 3.1 小波分析 | 第24-29页 |
| 3.1.1 小波变换基本理论 | 第24-26页 |
| 3.1.2 多分辨分析与Mallat快速算法 | 第26-27页 |
| 3.1.3 小波降噪的基本原理 | 第27-29页 |
| 3.2 希尔伯特黄变换 | 第29-33页 |
| 3.2.1 基本概念 | 第29-30页 |
| 3.2.2 经验模态分解具体步骤 | 第30-32页 |
| 3.2.3 希尔伯特谱分析 | 第32-33页 |
| 3.3 经验模态分解的不足与改进 | 第33-41页 |
| 3.3.1 端点效应及其改进 | 第33-36页 |
| 3.3.2 噪声对EMD分解的影响 | 第36-41页 |
| 3.4 基于WT-Mirror-EMD的滚动轴承故障诊断 | 第41-45页 |
| 3.5 滚动轴承固有模态能量特征提取 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 基于改进SVM的滚动轴承故障模式识别 | 第48-64页 |
| 4.1 统计学基本概念 | 第48-49页 |
| 4.1.1 VC维理论 | 第48页 |
| 4.1.2 推广性的界 | 第48-49页 |
| 4.1.3 结构风险最小化原则 | 第49页 |
| 4.2 支持向量机理论 | 第49-55页 |
| 4.2.1 线性可分支持向量机 | 第49-51页 |
| 4.2.2 线性不可分支持向量机 | 第51-52页 |
| 4.2.3 非线性支持向量机 | 第52-53页 |
| 4.2.4 多分类支持向量机 | 第53-54页 |
| 4.2.5 支持向量机参数选择 | 第54-55页 |
| 4.3 PSO算法优化SVM参数 | 第55-59页 |
| 4.3.1 基本PSO算法 | 第55-56页 |
| 4.3.2 改进PSO算法 | 第56-57页 |
| 4.3.3 测试函数仿真 | 第57-59页 |
| 4.4 基于PSO-SVM的滚动轴承故障诊断 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间发表的论文 | 第72页 |