| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 课题背景及研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-24页 |
| 1.2.1 状态监测及振动信号去噪技术研究现状 | 第16-18页 |
| 1.2.2 特征提取方法研究现状 | 第18-20页 |
| 1.2.3 滚动轴承剩余寿命预测研究现状 | 第20-21页 |
| 1.2.4 大数据技术发展现状 | 第21-24页 |
| 1.3 论文研究内容及结构安排 | 第24-27页 |
| 第二章 滚动轴承状态评估及剩余寿命预测 | 第27-35页 |
| 2.1 状态评估指标提取方法 | 第27-29页 |
| 2.1.1 时域特征提取 | 第27-28页 |
| 2.1.2 频域特征提取 | 第28-29页 |
| 2.2 剩余寿命预测 | 第29-33页 |
| 2.2.1 轴承性能退化规律 | 第29-31页 |
| 2.2.2 剩余寿命定义 | 第31-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 基于LMD和FastICA的滚动轴承振动信号降噪 | 第35-53页 |
| 3.1 滚动轴承振动信号降噪基础理论 | 第35-38页 |
| 3.1.1 LMD基本原理及过程 | 第35-37页 |
| 3.1.2 FastICA基本过程 | 第37-38页 |
| 3.2 LMD与FastICA联合降噪方法 | 第38-39页 |
| 3.3 仿真分析 | 第39-43页 |
| 3.4 实例验证及分析 | 第43-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 基于核主成分分析的滚动轴承性能退化状态评估 | 第53-65页 |
| 4.1 KPCA原理及分析过程 | 第53-55页 |
| 4.1.1 核主成分分析基本过程 | 第54-55页 |
| 4.1.2 核主元个数的选取 | 第55页 |
| 4.2 核函数的选取及核参数的确定 | 第55-57页 |
| 4.2.1 核函数的选取 | 第55-56页 |
| 4.2.2 核参数的确定 | 第56-57页 |
| 4.3 轴承性能衰退指标建立 | 第57-63页 |
| 4.3.1 实验装置 | 第57-58页 |
| 4.3.2 验证结果与分析 | 第58-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 基于改进支持向量机模型的滚动轴承剩余寿命预测 | 第65-81页 |
| 5.1 支持向量机 | 第65-71页 |
| 5.1.1 支持向量机预测理论 | 第65-68页 |
| 5.1.2 最小二乘支持向量机 | 第68-69页 |
| 5.1.3 模型参数的选取及优化 | 第69-71页 |
| 5.2 滚动轴承剩余寿命预测总体流程 | 第71页 |
| 5.3 仿真试验 | 第71-74页 |
| 5.4 应用实例 | 第74-80页 |
| 5.5 本章小节 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 研究成果及发表的学术论文 | 第91-93页 |
| 作者及导师简介 | 第93-95页 |
| 附件 | 第95-97页 |
