| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的目的和意义 | 第10页 |
| 1.2 国内外旋转机械故障诊断技术研究现状 | 第10-11页 |
| 1.3 旋转机械故障特征提取方法的研究现状 | 第11-13页 |
| 1.4 本文研究的主要内容 | 第13-14页 |
| 第2章 特征提取的时频分析方法研究及比较 | 第14-27页 |
| 2.1 短时傅里叶变换 | 第14页 |
| 2.2 Wigner-Ville 分布 | 第14-15页 |
| 2.3 小波变换 | 第15-17页 |
| 2.4 Hilbert-Huang 变换 | 第17-21页 |
| 2.4.1 瞬时频率和本征模式函数 | 第17-19页 |
| 2.4.2 经验模式分解(EMD) | 第19-20页 |
| 2.4.3 Hilbert 谱及 Hilbert 边际谱 | 第20-21页 |
| 2.5 几种时频分析方法性能比较 | 第21-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 EEMD 算法研究及改进 | 第27-41页 |
| 3.1 EEMD 算法基本原理 | 第27-29页 |
| 3.2 抗模态混叠性能分析 | 第29-31页 |
| 3.3 EEMD 算法改进 | 第31-33页 |
| 3.3.1 EEMD 算法参数设置分析 | 第31-32页 |
| 3.3.2 有效本征模式函数提取 | 第32-33页 |
| 3.3.3 改进算法软件仿真流程图 | 第33页 |
| 3.4 旋转机械故障模型仿真分析 | 第33-40页 |
| 3.4.1 滚动轴承故障模型 | 第34-35页 |
| 3.4.2 仿真信号实验分析 | 第35-37页 |
| 3.4.3 齿轮故障模型 | 第37-38页 |
| 3.4.4 仿真信号实验分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于改进 EEMD 算法在故障诊断中应用 | 第41-51页 |
| 4.1 滚动轴承的故障特征提取 | 第41-44页 |
| 4.1.1 滚动轴承振动机理 | 第41-42页 |
| 4.1.2 滚动轴承故障信号特征分析 | 第42-44页 |
| 4.2 风机齿轮箱齿轮的故障特征提取 | 第44-46页 |
| 4.2.1 齿轮振动机理 | 第44页 |
| 4.2.2 齿轮故障信号特征分析 | 第44-46页 |
| 4.3 基于有效 IMF 的 Hilbert 变换包络谱故障诊断方法 | 第46-48页 |
| 4.4 基于奇异值熵故障诊断方法 | 第48-50页 |
| 4.4.1 奇异值分解 | 第48-49页 |
| 4.4.2 信息熵 | 第49页 |
| 4.4.3 基于有效 IMF 的奇异值熵故障诊断方法 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验研究结果与分析 | 第51-65页 |
| 5.1 实验数据 | 第51-54页 |
| 5.2 基于有效 IMF 的 Hilbert 包络谱故障诊断方法结果分析 | 第54-59页 |
| 5.3 奇异值熵故障诊断方法结果分析 | 第59-63页 |
| 5.4 基于 Matlab 的故障诊断界面设计 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
