首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--转动机件论文--轴承论文--滚动轴承论文

基于隐Markov模型的滚动轴承故障诊断方法研究

摘要第1-7页
Abstract第7-12页
第1章 绪论第12-21页
   ·本课题研究的目的和意义第12页
   ·滚动轴承故障诊断国内外研究现状和发展趋势第12-13页
     ·滚动轴承国内外研究现状第12-13页
     ·滚动轴承故障诊断的发展趋势第13页
   ·滚动轴承故障诊断技术综述第13-17页
     ·滚动轴承故障诊断内容及步骤第13-15页
     ·滚动轴承故障诊断方法第15页
     ·滚动轴承故障诊断信号分析与处理方法第15-16页
     ·滚动轴承模式识别方法第16-17页
   ·HMM故障诊断方法的可行性及其研究意义第17-19页
     ·HMM在语音识别中的应用第17-18页
     ·HMM在其他领域中的应用第18页
     ·HMM用于故障诊断的可行性第18-19页
     ·HMM故障诊断方法的研究意义第19页
   ·论文的主要工作及总体结构第19-21页
     ·主要工作第19-20页
     ·总体结构第20-21页
第2章 滚动轴承及其故障诊断实验系统第21-27页
   ·滚动轴承的典型结构第21页
   ·滚动轴承主要故障形式与原因第21-22页
   ·滚动轴承的振动机理及测量第22-25页
     ·滚动轴承的振动机理第22-25页
     ·滚动轴承的振动测量第25页
   ·滚动轴承故障诊断实验系统第25-26页
     ·实验对象的介绍第25-26页
     ·实验装置及系统第26页
   ·本章小结第26-27页
第3章 HMM基本理论、算法及其在故障诊断中的应用第27-36页
   ·HMM基本理论第27-31页
     ·HMM基本概念第27-28页
     ·HMM定义第28-29页
     ·HMM分类第29-31页
   ·HMM基本算法第31-34页
     ·前向-后向算法第31-33页
     ·Viterbi算法第33页
     ·Baum-Welch算法第33-34页
   ·HMM在故障诊断中的模式分类作用第34-35页
   ·本章小结第35-36页
第4章 振动信号特征提取与PCA优化降维第36-50页
   ·振动信号的分帧处理第36-37页
   ·时域特征提取第37-39页
     ·有量纲参数第37页
     ·无量纲参数第37-39页
   ·频域特征提取第39-41页
   ·小波包能量特征提取第41-45页
     ·小波分析基本理论第41页
     ·小波分解与多分辨率分析第41-43页
     ·小波包分析基本理论第43-44页
     ·基于小波包能量的滚动轴承特征提取第44-45页
   ·PCA优化降维第45-49页
     ·主成分分析基本理论第45-46页
     ·主成分的求解方法第46-47页
     ·滚动轴承故障特征提取中的PCA优化降维第47-49页
   ·本章小结第49-50页
第5章 基于CGHMM的滚动轴承故障诊断第50-60页
   ·CGHMM的参数表示第50页
   ·CGHMM训练算法中存在的问题第50-53页
     ·基于聚类算法的模型参数初始化第50-52页
     ·数据溢出问题与措施第52-53页
   ·多观测序列的CGHMM训练第53-54页
   ·诊断实验第54-59页
     ·实验方案及CGHMM诊断步骤第54-56页
     ·CGHMM训练第56-57页
     ·CGHMM诊断结果第57-59页
   ·本章小结第59-60页
第6章 基于DHMM的滚动轴承故障诊断第60-70页
   ·特征矢量的标量量化第60页
   ·多观测样本序列的DHMM训练第60-62页
   ·DHMM故障诊断第62-63页
   ·诊断实验第63-67页
     ·DHMM训练第63-64页
     ·DHMM诊断结果第64-67页
   ·各模式识别方法对比分析第67-69页
     ·DHMM和CGHMM对比分析第67-68页
     ·HMM和神经网络方法的对比分析第68-69页
   ·本章小结第69-70页
结论和展望第70-72页
致谢第72-73页
参考文献第73-77页
攻读硕士研究生期间发表的论文第77页

论文共77页,点击 下载论文
上一篇:基于多软件的类椭圆截面伸缩臂研究
下一篇:永磁电动悬浮轴承力特性分析