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 |