| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 滚动轴承故障诊断的基本环节 | 第12-13页 |
| 1.2.2 研究现状 | 第13-15页 |
| 1.2.3 滚动轴承的发展趋势和前景 | 第15-16页 |
| 1.3 滚动轴承故障诊断方法概述 | 第16-19页 |
| 1.4 本文主要研究内容及章节安排 | 第19-21页 |
| 1.4.1 主要研究内容 | 第19页 |
| 1.4.2 章节安排 | 第19-21页 |
| 第二章 基于谐波小波包捣固车滚动轴承故障特征信号提取 | 第21-37页 |
| 2.1 滚动轴承的基本结构和失效表现 | 第21-23页 |
| 2.1.1 滚动轴承的基本结构 | 第21-22页 |
| 2.1.2 滚动轴承受损的类型 | 第22-23页 |
| 2.2 滚动轴承的振动机理 | 第23-28页 |
| 2.2.1 滚动轴承的振动 | 第24-25页 |
| 2.2.2 滚动轴承的固有振动频率 | 第25-26页 |
| 2.2.3 滚动轴承的故障特征频率 | 第26-28页 |
| 2.3 滚动轴承故障的振动特性 | 第28-29页 |
| 2.4 滚动轴承的振动信号处理 | 第29-31页 |
| 2.4.1 振动信号的特征提取 | 第29-30页 |
| 2.4.2 振动信号的特征分析 | 第30-31页 |
| 2.5 基于谐波小波包的滚动轴承故障特征提取 | 第31-33页 |
| 2.5.1 谐波小波包原理 | 第31-32页 |
| 2.5.2 谐波小波包在频域分布实现过程 | 第32-33页 |
| 2.5.3 谐波小波包提取滚动轴承故障的特征 | 第33页 |
| 2.6 仿真实验及结果分析 | 第33-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第三章 基于改进自适应遗传算法优化相关向量机核函数 | 第37-51页 |
| 3.1 相关向量机理论 | 第37-38页 |
| 3.1.1 贝叶斯理论 | 第37页 |
| 3.1.2 贝叶斯学习 | 第37-38页 |
| 3.1.3 贝叶斯公式 | 第38页 |
| 3.2 相关向量机基本原理 | 第38-40页 |
| 3.2.1 相关向量机分类模型 | 第38-39页 |
| 3.2.2 相关向量机的核函数 | 第39-40页 |
| 3.3 改进的自适应遗传算法 | 第40-43页 |
| 3.3.1 遗传算法 | 第40-41页 |
| 3.3.2 自适应遗传算法 | 第41-42页 |
| 3.3.3 改进的自适应遗传算法 | 第42-43页 |
| 3.4 基于改进自适应遗传算法优化RVM的故障诊断模型 | 第43-46页 |
| 3.4.1 种群编码和选择算子 | 第43页 |
| 3.4.2 交叉与变异算子 | 第43-44页 |
| 3.4.3 适应度函数的设计 | 第44-46页 |
| 3.5 仿真分析 | 第46-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第四章 基于谐波小波包和改进OAO-RVM在捣固车滚动轴承故障诊断中的应用 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 多分类方法研究 | 第51-54页 |
| 4.2.1 有向无环图(Direct Acyclic Graph,DAG)方法 | 第51-52页 |
| 4.2.2 一对多(One Against Rest,OAR)分类方法 | 第52-53页 |
| 4.2.3 一对一(One Against One,OAO)分类方法 | 第53-54页 |
| 4.2.4 改进的一对一分类方法 | 第54页 |
| 4.3 基于谐波小波包和改进OAO-RVM的滚动轴承故障诊断步骤 | 第54-55页 |
| 4.4 仿真实验及结果分析 | 第55-60页 |
| 4.5 小结 | 第60-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A 攻读硕士期间发表的论文 | 第69-71页 |
| 附录B 攻读硕士期间参与项目 | 第71-73页 |
| 附录C 申请软件的著作权 | 第73页 |
