| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 滚动轴承故障诊断技术的方法研究现状 | 第12-13页 |
| 1.2.2 多小波分析在故障信号分析中的研究现状 | 第13-14页 |
| 1.2.3 支持向量机在故障诊断中的研究现状 | 第14-15页 |
| 1.3 论文研究内容及结构安排 | 第15-19页 |
| 1.3.1 论文研究内容 | 第15-16页 |
| 1.3.2 论文的结构安排 | 第16-19页 |
| 第二章 相关理论与技术 | 第19-39页 |
| 2.1 滚动轴承的相关内容 | 第19-21页 |
| 2.2 多小波分析 | 第21-27页 |
| 2.2.1 小波分析基本理论 | 第21-22页 |
| 2.2.2 常用的几种小波 | 第22-24页 |
| 2.2.3 多小波分析基本理论 | 第24-25页 |
| 2.2.4 常用的几种多小波 | 第25-27页 |
| 2.3 布谷鸟算法 | 第27-30页 |
| 2.3.1 布谷鸟算法原理 | 第28-29页 |
| 2.3.2 布谷鸟算法实现流程 | 第29-30页 |
| 2.4 支持向量机的基本理论 | 第30-37页 |
| 2.4.1 支持向量机分类机 | 第30-34页 |
| 2.4.2 多类分类支持向量机 | 第34-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 基于多小波分析的捣固车滚动轴承故障信号的研究 | 第39-53页 |
| 3.1 基于滚动轴承故障信号的最优多小波预处理方法选择 | 第39-45页 |
| 3.1.1 多小波预处理 | 第39-41页 |
| 3.1.2 最优预处理方法选择 | 第41-45页 |
| 3.2 基于改进的多小波阈值处理的降噪方法 | 第45-50页 |
| 3.2.1 传统的阈值函数 | 第45-46页 |
| 3.2.2 阈值的界定 | 第46-47页 |
| 3.2.3 改进的阈值函数 | 第47-48页 |
| 3.2.4 仿真实验 | 第48-50页 |
| 3.3 基于多小波系数的数据特征提取技术 | 第50-52页 |
| 3.3.1 多小波系数 | 第50-51页 |
| 3.3.2 基于多小波系数在捣固车滚动轴承故障特征提取中的应用 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于改进布谷鸟算法的SVM在捣固车滚动轴承故障诊断中的应用 | 第53-61页 |
| 4.1 改进布谷鸟搜索算法 | 第53-54页 |
| 4.2 支持向量机模型的参数优化 | 第54-56页 |
| 4.3 改进布谷鸟优化算法优化SVM的构建与分类流程 | 第56-57页 |
| 4.4 仿真实验分析 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结 | 第61-63页 |
| 5.1 全文总结 | 第61页 |
| 5.2 工作展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A 攻读学位期间发表论文与软件著作权目录 | 第69-71页 |
| 附录B 攻读学位期间参与的研究工作 | 第71页 |
