基于EEMD-SVD的FCM聚类的轴承故障诊断
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 滚动轴承故障诊断的背景和意义 | 第10-11页 |
| 1.2 滚动轴承故障诊断的发展和研究现状 | 第11-12页 |
| 1.2.1 滚动轴承技术的发展 | 第11-12页 |
| 1.2.2 滚动轴承故障诊断内容 | 第12页 |
| 1.3 SVD方法的研究应用 | 第12-14页 |
| 1.4 模糊聚类的研究应用 | 第14页 |
| 1.5 课题主要研究内容 | 第14-16页 |
| 第2章 滚动轴承故障机理及诊断技术 | 第16-25页 |
| 2.1 滚动轴承的组成 | 第16-17页 |
| 2.2 滚动轴承失效的基本形式 | 第17-18页 |
| 2.3 滚动轴承的故障诊断理论 | 第18-20页 |
| 2.3.1 滚动轴承振动机理 | 第18页 |
| 2.3.2 滚动轴承的固有振动频率 | 第18-19页 |
| 2.3.3 滚动轴承的故障特征频率 | 第19-20页 |
| 2.4 滚动轴承振动监测方法 | 第20-21页 |
| 2.5 滚动轴承传统诊断方法 | 第21-24页 |
| 2.5.1 时域分析法 | 第21-22页 |
| 2.5.2 频域分析法 | 第22-23页 |
| 2.5.3 时频域分析 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于EEMD和SVD分解的特征提取研究 | 第25-38页 |
| 3.1 EMD方法 | 第25-27页 |
| 3.1.1 EMD基本原理 | 第25-26页 |
| 3.1.2 EMD的特点及不足 | 第26-27页 |
| 3.2 EEMD方法 | 第27-30页 |
| 3.2.1 EEMD基本原理 | 第27-28页 |
| 3.2.2 抗模态混叠比较分析 | 第28-30页 |
| 3.3 EEMD与奇异值分解的特征提取方法 | 第30-34页 |
| 3.3.1 SVD原理及性质 | 第30-32页 |
| 3.3.2 SVD的矩阵构建 | 第32-33页 |
| 3.3.3 EEMD–SVD特征提取方法 | 第33-34页 |
| 3.4 EEMD–SVD特征提取仿真分析 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于FCM聚类的故障识别 | 第38-47页 |
| 4.1 聚类概述 | 第38-43页 |
| 4.1.1 聚类的基本概念 | 第38-39页 |
| 4.1.2 样本的相似性度量 | 第39-41页 |
| 4.1.3 聚类算法的步骤 | 第41-43页 |
| 4.2 聚类算法的分类 | 第43页 |
| 4.3 FCM聚类算法 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 数据处理及结果分析 | 第47-58页 |
| 5.1 滚动轴承实验数据 | 第47-48页 |
| 5.2 滚动轴承故障诊断 | 第48-56页 |
| 5.2.1 振动信号的分解 | 第48-50页 |
| 5.2.2 故障识别 | 第50-55页 |
| 5.2.3 不同方法的对比 | 第55-56页 |
| 5.3 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65页 |
