| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 特征提取的研究现状 | 第9-10页 |
| 1.2.2 智能故障识别方法的研究现状 | 第10-11页 |
| 1.2.3 耦合故障诊断的研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 基于SVR耦合故障诊断方法研究 | 第14-26页 |
| 2.1 转子常见典型故障特性分析 | 第14-16页 |
| 2.1.1 转子不平衡振动信号特性 | 第14页 |
| 2.1.2 转子不对中振动信号特性 | 第14-15页 |
| 2.1.3 转子油膜涡动振动信号特性 | 第15页 |
| 2.1.4 转子动静碰摩振动信号特性 | 第15-16页 |
| 2.2 支持向量回归机理论 | 第16-21页 |
| 2.2.1 支持向量分类机 | 第16-18页 |
| 2.2.2 支持向量回归机 | 第18-21页 |
| 2.2.3 核函数的选择 | 第21页 |
| 2.3 基于SVR的耦合故障诊断模型 | 第21-23页 |
| 2.4 方法的仿真实验验证 | 第23-25页 |
| 2.5 本章总结 | 第25-26页 |
| 第3章 基于EEMD与排列组合熵的特征提取方法研究 | 第26-38页 |
| 3.1 问题的提出 | 第26页 |
| 3.2 总体平均经验模态分解 | 第26-29页 |
| 3.2.1 经验模态分解 | 第26-28页 |
| 3.2.2 EEMD算法与合并虚假分量进行频段重构 | 第28-29页 |
| 3.3 基于EEMD与排列组合熵的特征提取方法 | 第29-30页 |
| 3.3.1 排列组合熵 | 第29-30页 |
| 3.3.2 特征提取方法 | 第30页 |
| 3.4 转子实验台实例分析 | 第30-36页 |
| 3.4.1 振动信号的EEMD分解 | 第30-32页 |
| 3.4.2 合并EEMD虚假分量进行频段重构 | 第32-33页 |
| 3.4.3 计算排列组合熵 | 第33-35页 |
| 3.4.4 结果分析及对比 | 第35-36页 |
| 3.5 本章总结 | 第36-38页 |
| 第4章 实验研究 | 第38-52页 |
| 4.1 试验台介绍 | 第38-41页 |
| 4.1.1 实验设备 | 第38-39页 |
| 4.1.2 数据采集设备 | 第39-41页 |
| 4.2 单一故障诊断 | 第41-44页 |
| 4.3 耦合故障诊断 | 第44-51页 |
| 4.4 本章总结 | 第51-52页 |
| 第5章 结论与展望 | 第52-53页 |
| 5.1 本文工作结论 | 第52页 |
| 5.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第56-57页 |
| 致谢 | 第57页 |