摘要 | 第1-4页 |
ABSTRACT | 第4-8页 |
主要符号说明 | 第8-9页 |
第一章 绪论 | 第9-16页 |
·引言 | 第9页 |
·牵引电机滚动轴承故障诊断的研究你意义和研究内容 | 第9-10页 |
·国内外牵引电机滚动轴承故障诊断的研究现状 | 第10-11页 |
·短时傅里叶变换(STFT) | 第10页 |
·小波变换 | 第10-11页 |
·希尔伯特黄变换(HHT) | 第11页 |
·数学形态学理论的研究与应用 | 第11-13页 |
·数学形态学的形成与发展 | 第11页 |
·数学形态学基本理论 | 第11-12页 |
·数学形态滤波的基本理论 | 第12-13页 |
·数学形态学在机械故障诊断中的研究现状 | 第13页 |
·本课题研究的主要内容和重点 | 第13-16页 |
第二章 牵引电机滚动轴承振动机理和常用诊断方法 | 第16-26页 |
·牵引电机滚动轴承的典型结构 | 第16页 |
·牵引电机滚动轴承异常的主要形式 | 第16页 |
·牵引电机滚动轴承振动机理和故障频率特征 | 第16-18页 |
·滚动轴承振动机理 | 第16-17页 |
·滚动轴承故障信号特征 | 第17页 |
·滚动轴承的固有振动频率和故障特征频率 | 第17-18页 |
·频域分析法 | 第18-19页 |
·功率谱分析 | 第19页 |
·细化谱分析 | 第19页 |
·倒频谱分析 | 第19页 |
·时频分析振动信号的时频分析 | 第19-22页 |
·短时傅立叶变换 | 第19-20页 |
·希尔伯特变换 | 第20-21页 |
·小波变换 | 第21-22页 |
·分形理论的介绍 | 第22页 |
·分形的由来 | 第22页 |
·分形理论测量状态信号 | 第22页 |
·熵的引入 | 第22-25页 |
·信息熵 | 第23页 |
·样本熵 | 第23页 |
·数学形态谱熵 | 第23-25页 |
·本章小结 | 第25-26页 |
第三章 基于 EMD 和 LMS 自适应形态滤波的牵引电机滚动轴承故障诊断 | 第26-34页 |
·引言 | 第26页 |
·EMD 介绍 | 第26-27页 |
·数学形态学 | 第27-29页 |
·数学形态学的基本原理 | 第27页 |
·广义开—闭和闭—开形态滤波器 | 第27-28页 |
·自适应形态滤波 | 第28-29页 |
·转向架轴承故障诊断分析 | 第29页 |
·仿真分析 | 第29-30页 |
·实例分析 | 第30-33页 |
·本章小结 | 第33-34页 |
第四章 基于 EMD-1(1/2)维谱熵的牵引电机滚动轴承故障诊断 | 第34-41页 |
·引言 | 第34-36页 |
·1(1/2)维谱 | 第34-36页 |
·Elman 神经网络原理 | 第36页 |
·EMD-1(1/2)维谱熵-神经网络故障诊断原理 | 第36-37页 |
·实验分析 | 第37-40页 |
·试验说明 | 第37页 |
·特征提取 | 第37-39页 |
·故障诊断试验结果与分析 | 第39-40页 |
·故障诊断试验结果对比分析 | 第40页 |
·本章小结 | 第40-41页 |
第五章 基于形态滤波优化算法的牵引电机滚动轴承故障诊断方法 | 第41-56页 |
·引言 | 第41页 |
·LMD 原理和峭度准则 | 第41-43页 |
·LMD 原理 | 第41-42页 |
·峭度准则 | 第42-43页 |
·形态学滤波介绍 | 第43-45页 |
·基本理论 | 第43页 |
·基本形态差值运算 | 第43页 |
·自适应多尺度多元素形态差值运算 | 第43-45页 |
·Elman 神经网络原理 | 第45-46页 |
·LMD-形态滤波-神经网络故障诊断原理 | 第46页 |
·仿真分析 | 第46-48页 |
·实验分析 | 第48-55页 |
·试验说明 | 第48-49页 |
·特征提取方法的对比 | 第49-53页 |
·特征向量 | 第53页 |
·故障诊断试验结果及对比 | 第53-55页 |
·故障诊断试验结果对比分析 | 第55页 |
·本章小结 | 第55-56页 |
第六章 总结 | 第56-58页 |
·全文总结 | 第56页 |
·创新点 | 第56-57页 |
·研究展望 | 第57-58页 |
参考文献 | 第58-62页 |
个人简历 在读期间发表的学术论文 | 第62-63页 |
致谢 | 第63页 |