| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 机械故障诊断的背景和意义 | 第10页 |
| 1.2 机械故障诊断的研究现状 | 第10-11页 |
| 1.3 机械故障诊断的基本内容 | 第11-12页 |
| 1.4 滚动轴承的故障诊断 | 第12-16页 |
| 1.4.1 滚动轴承的主要故障 | 第12页 |
| 1.4.2 滚动轴承的故障诊断方法现状 | 第12-16页 |
| 1.5 本文的主要研究内容 | 第16-17页 |
| 第2章 EMD改进算法的研究 | 第17-33页 |
| 2.1 经验模态分解算法理论研究及分析 | 第17-22页 |
| 2.1.1 经验模态分解算法概述及原理 | 第17-20页 |
| 2.1.2 经验模态分解算法仿真 | 第20-22页 |
| 2.2 极点对称模态分解算法研究及实验验证 | 第22-29页 |
| 2.2.1 直接插值方法 | 第23页 |
| 2.2.2 极点对称模态分解算法概述 | 第23-25页 |
| 2.2.3 极点对称模态分解算法仿真 | 第25-27页 |
| 2.2.4 极点对称模态分解算法仿真对比 | 第27-29页 |
| 2.3 极点对称模态分解算法分解振动信号并与EMD进行对比 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于ESMD分解的特征参数提取 | 第33-45页 |
| 3.1 相关系数 | 第33-36页 |
| 3.1.1 相关系数概述 | 第33-34页 |
| 3.1.3 相关系数提取 | 第34-36页 |
| 3.2 熵参数 | 第36-38页 |
| 3.2.1 样本熵原理 | 第37-38页 |
| 3.2.2 样本熵参数提取 | 第38页 |
| 3.3 时域参数 | 第38-40页 |
| 3.3.1 时域参数概述 | 第39-40页 |
| 3.3.2 峭度参数的提取 | 第40页 |
| 3.4 能量参数 | 第40-41页 |
| 3.5 不同振动信号参数模型对比 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 改进的GSA优化SVM算法研究 | 第45-56页 |
| 4.1 支持向量机算法 | 第45-48页 |
| 4.2 改进的GSA算法 | 第48-51页 |
| 4.2.1 引力搜索算法概述及原理 | 第48-50页 |
| 4.2.2 引力搜索算法缺陷及改进 | 第50-51页 |
| 4.3 改进的GSA算法优化SVM分类模型 | 第51页 |
| 4.4 改进的GSA优化SVM寻优对比 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 滚动轴承故障诊断实验 | 第56-73页 |
| 5.1 滚动轴承故障诊断实验仿真数据及步骤 | 第56-57页 |
| 5.2 不同类型的滚动轴承故障诊断 | 第57-64页 |
| 5.2.1 不同类型故障信号时域分析 | 第57-59页 |
| 5.2.2 不同类型故障信号ESMD分解 | 第59-61页 |
| 5.2.3 不同类型故障信号特征提取 | 第61-62页 |
| 5.2.4 不同类型故障信号MGSA-SVM故障诊断 | 第62-64页 |
| 5.3 不同损伤程度的滚动轴承故障诊断 | 第64-69页 |
| 5.3.1 不同损伤程度的故障信号时域分析 | 第64-65页 |
| 5.3.2 不同损伤程度故障信号ESMD分解 | 第65-67页 |
| 5.3.3 不同损伤程度故障信号特征提取 | 第67页 |
| 5.3.4 不同损伤程度故障信号MGSA-SVM诊断 | 第67-69页 |
| 5.4 实际采集数据的故障诊断 | 第69-71页 |
| 5.5 本章小结 | 第71-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第79-80页 |
| 致谢 | 第80页 |
