摘要 | 第8-10页 |
Abstract | 第10-11页 |
第1章 绪论 | 第12-25页 |
1.1 课题研究背景及意义 | 第12页 |
1.2 超低速滚动轴承故障诊断综述 | 第12-15页 |
1.2.1 超低速滚动轴承常见故障形式 | 第12-14页 |
1.2.2 常规滚动轴承故障诊断方法 | 第14-15页 |
1.2.3 超低速滚动轴承故障诊断难点 | 第15页 |
1.3 声发射技术在滚动轴承故障诊断中的应用 | 第15-17页 |
1.3.1 AE检测技术基本原理 | 第15-16页 |
1.3.2 滚动轴承AE信号产生机理 | 第16页 |
1.3.3 滚动轴承AE信号特性 | 第16-17页 |
1.4 超低速滚动轴承故障AE诊断技术研究现状 | 第17-23页 |
1.4.1 滚动轴承AE信号特征提取方法研究现状 | 第18-22页 |
1.4.2 滚动轴承故障模式识别方法研究现状 | 第22-23页 |
1.5 本领域存在的关键技术问题 | 第23页 |
1.6 本文研究内容与结构安排 | 第23-25页 |
第2章 超低速滚动轴承声发射检测实验 | 第25-32页 |
2.1 引言 | 第25页 |
2.2 超低速滚动轴承AE检测实验平台 | 第25-26页 |
2.3 超低速滚动轴承AE信号采集系统 | 第26-28页 |
2.4 实验方案与步骤 | 第28-30页 |
2.4.1 实验方案 | 第28-29页 |
2.4.2 实验步骤 | 第29-30页 |
2.5 初步实验结果 | 第30-31页 |
2.6 本章小结 | 第31-32页 |
第3章 基于CEEMDAN-能量熵的超低速滚动轴承故障特征提取方法研究 | 第32-45页 |
3.1 引言 | 第32页 |
3.2 基本理论 | 第32-34页 |
3.2.1 CEEMDAN原理 | 第32-33页 |
3.2.2 CEEMDAN算法 | 第33-34页 |
3.2.3 CEEMDAN能量熵 | 第34页 |
3.3 敏感固有模态分量的选取原则 | 第34-35页 |
3.4 基于CEEMDAN-能量熵的超低速滚动轴承故障特征提取方法 | 第35-36页 |
3.5 实验分析 | 第36-44页 |
3.5.1 轴承AE信号EEMD和CEEMDAN分解 | 第36-39页 |
3.5.2 敏感固有模态分量的选取 | 第39-40页 |
3.5.3 CEEMDAN能量熵向量构造 | 第40-41页 |
3.5.4 故障诊断性能分析 | 第41-44页 |
3.6 本章小结 | 第44-45页 |
第4章 基于改进的VMD-样本熵的超低速滚动轴承故障特征提取方法研究 | 第45-57页 |
4.1 引言 | 第45-46页 |
4.2 基本理论 | 第46-48页 |
4.2.1 VMD原理及算法 | 第46-47页 |
4.2.2 改进的VMD原理 | 第47页 |
4.2.3 样本熵 | 第47-48页 |
4.3 基于IVMD-样本熵的超低速滚动轴承故障特征提取方法 | 第48-49页 |
4.4 实验分析 | 第49-56页 |
4.4.1 轴承AE信号EMD分解 | 第49-51页 |
4.4.2 敏感固有模态分量的选取及信号重构 | 第51-53页 |
4.4.3 重构信号VMD分解及特征提取 | 第53-55页 |
4.4.4 故障诊断性能分析 | 第55-56页 |
4.5 本章小结 | 第56-57页 |
第5章 基于DBN的超低速滚动轴承故障诊断方法研究 | 第57-64页 |
5.1 引言 | 第57页 |
5.2 深度信念网络 | 第57-60页 |
5.2.1 RBM的原理 | 第57-59页 |
5.2.2 DBN的训练 | 第59-60页 |
5.3 基于CEEMDAN能量熵-DBN的超低速滚动轴承故障诊断 | 第60-63页 |
5.3.1 实验数据 | 第60页 |
5.3.2 参数设定 | 第60页 |
5.3.3 训练迭代次数和隐层神经元个数对DBN模型性能的影响 | 第60-62页 |
5.3.4 与其他经典方法比较 | 第62-63页 |
5.4 本章小结 | 第63-64页 |
结论与展望 | 第64-66页 |
参考文献 | 第66-73页 |
致谢 | 第73-74页 |
附录A 攻读学位期间发表的论文 | 第74页 |