基于小波包与极限学习机的滚动轴承故障诊断方法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 滚动轴承故障诊断的一般方法 | 第9-10页 |
| 1.2.2 特征提取方法的研究现状 | 第10-14页 |
| 1.2.3 模式识别方法的研究现状 | 第14-16页 |
| 1.3 滚动轴承故障诊断硏究的内容 | 第16页 |
| 1.4 本论文的主要工作 | 第16-18页 |
| 2 滚动轴承结构及故障特征分析 | 第18-24页 |
| 2.1 总体设计 | 第18-19页 |
| 2.2 基本结构及特性 | 第19-21页 |
| 2.2.1 滚动轴承的基本结构 | 第19页 |
| 2.2.2 滚动轴承的振动特性 | 第19-21页 |
| 2.3 滚动轴承损伤的主要形式 | 第21-22页 |
| 2.4 滚动轴承故障特征频率 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 小波包分析的特征提取方法研究 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 小波分析理论 | 第24-26页 |
| 3.3 小波包分析 | 第26-29页 |
| 3.3.1 小波包定义 | 第26-27页 |
| 3.3.2 小波包分解与重构 | 第27-28页 |
| 3.3.3 母小波的选取 | 第28-29页 |
| 3.3.4 小波的分解层数的选取 | 第29页 |
| 3.4 基于时域分析的滚动轴承特征提取 | 第29-31页 |
| 3.4.1 时域统计指标 | 第29-30页 |
| 3.4.2 时域特征分析 | 第30-31页 |
| 3.5 基于时频分析的滚动轴承特征提取 | 第31-38页 |
| 3.5.1 频域统计指标 | 第31-32页 |
| 3.5.2 频域特征分析 | 第32-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 基于小波包与极限学习机的轴承故障诊断应用 | 第39-56页 |
| 4.1 滚动轴承实验简介 | 第39-40页 |
| 4.2 极限学习机的故障识别方法研究 | 第40-45页 |
| 4.2.1 极限学习机理论 | 第40-44页 |
| 4.2.2 极限学习机的特性 | 第44-45页 |
| 4.2.3 基于极限学习机的分类算法 | 第45页 |
| 4.3 时域分析在滚动轴承故障诊断中的应用 | 第45-47页 |
| 4.3.1 时域特征值 | 第45-46页 |
| 4.3.2 基于时域特征指标的故障分类仿真实验 | 第46-47页 |
| 4.4 时频分析在滚动轴承故障诊断中的应用 | 第47-54页 |
| 4.4.1 信号的小波包分解 | 第47-52页 |
| 4.4.2 频域特征值 | 第52-53页 |
| 4.4.3 基于频域特征指标的故障分类仿真实验 | 第53-54页 |
| 4.5 实验结果及分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 本文总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
