基于变分模态分解和SVM的滚动轴承故障诊断
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 1 绪论 | 第10-16页 |
| 1.1 论文选题的背景及意义 | 第10-11页 |
| 1.2 滚动轴承故障诊断研究发展概况 | 第11-14页 |
| 1.2.1 滚动轴承故障诊断技术的发展及现状 | 第11-12页 |
| 1.2.2 滚动轴承故障诊断内容及常用方法 | 第12-13页 |
| 1.2.3 常见的振动信号处理方法 | 第13-14页 |
| 1.3 本文的主要研究内容及章节安排 | 第14-16页 |
| 2 滚动轴承故障机理与信号特征 | 第16-24页 |
| 2.1 滚动轴承的基本结构 | 第16-17页 |
| 2.2 滚动轴承的故障机理 | 第17-18页 |
| 2.3 滚动轴承常见失效形式 | 第18-19页 |
| 2.4 滚动轴承故障特征频率 | 第19-20页 |
| 2.4.1 滚动轴承的固有振动频率 | 第19页 |
| 2.4.2 滚动轴承故障特征频率 | 第19-20页 |
| 2.5 滚动轴承典型故障振动信号特征 | 第20-22页 |
| 2.5.1 内圈故障的信号特征 | 第20-21页 |
| 2.5.2 外圈故障的信号特征 | 第21-22页 |
| 2.5.3 滚动体故障的信号特征 | 第22页 |
| 2.6 本章小结 | 第22-24页 |
| 3 变分模态分解算法及其优化 | 第24-44页 |
| 3.1 经验模态分解 | 第24-27页 |
| 3.1.1 瞬时频率 | 第24-25页 |
| 3.1.2 内禀模态函数 | 第25页 |
| 3.1.3 经验模态分解过程 | 第25-26页 |
| 3.1.4 EMD算法存在的问题 | 第26-27页 |
| 3.2 VMD算法 | 第27-33页 |
| 3.2.1 VMD基本原理 | 第27-30页 |
| 3.2.2 VMD算法流程 | 第30页 |
| 3.2.3 VMD算法仿真分析 | 第30-33页 |
| 3.3 VMD参数优化 | 第33-42页 |
| 3.3.1 量子粒子群算法 | 第33-35页 |
| 3.3.2 QPSO适应度函数确定 | 第35页 |
| 3.3.3 VMD参数优化中的整数规划问题 | 第35-36页 |
| 3.3.4 轴承仿真信号分析 | 第36-42页 |
| 3.4 本章小结 | 第42-44页 |
| 4 基于VMD和SVM的滚动轴承故障诊断 | 第44-64页 |
| 4.1 轴承全寿命实验 | 第44-48页 |
| 4.2 人为故障实验 | 第48-55页 |
| 4.2.1 实验数据说明 | 第48-50页 |
| 4.2.2 VMD参数确定 | 第50-51页 |
| 4.2.3 有效模态分量的提取 | 第51-55页 |
| 4.3 基于SVM的轴承故障识别 | 第55-63页 |
| 4.3.1 特征向量构造 | 第55-56页 |
| 4.3.2 支持向量机 | 第56-60页 |
| 4.3.3 故障识别 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 5 基于VMD-SVM故障诊断的仿真系统 | 第64-76页 |
| 5.1 一种快速确定VMD参数的方法 | 第64-65页 |
| 5.1.1 数值信号仿真分析 | 第64-65页 |
| 5.1.2 实测信号试验 | 第65页 |
| 5.2 MatlabGUI设计过程 | 第65-66页 |
| 5.3 基于GUI的轴承故障诊断系统设计 | 第66-74页 |
| 5.3.1 系统主要功能 | 第66-67页 |
| 5.3.2 系统实现 | 第67-74页 |
| 5.4 本章小结 | 第74-76页 |
| 6 结论与展望 | 第76-78页 |
| 6.1 结论 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 作者简介 | 第84-86页 |
| 学位论文数据集 | 第86页 |
