| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景及目的意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究背景及目的意义 | 第10-11页 |
| 1.2 相关问题的国内外研究现状 | 第11-16页 |
| 1.2.1 振动信号特征提取的方法研究 | 第11-13页 |
| 1.2.2 模式识别方法研究 | 第13-14页 |
| 1.2.3 特征降维方法研究 | 第14-15页 |
| 1.2.4 性能退化预测方法研究 | 第15-16页 |
| 1.3 主要研究内容及技术路线 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-19页 |
| 第2章 基于CEEMD和小波包阈值降噪的特征提取方法 | 第19-37页 |
| 2.1 振动信号统计特征分析 | 第19-22页 |
| 2.1.1 有量纲的时域振动信号参数 | 第19-20页 |
| 2.1.2 无量纲的时域振动信号参数 | 第20-21页 |
| 2.1.3 频域分析 | 第21-22页 |
| 2.2 基于CEEMD和小波包阈值降噪时频域分析方法 | 第22-29页 |
| 2.2.1 完备总体经验模态分解原理 | 第23-25页 |
| 2.2.2 小波包理论分析 | 第25-27页 |
| 2.2.3 CEEMD和小波包相结合特征提取方法 | 第27-29页 |
| 2.3 滚动轴承特征提取实验验证 | 第29-36页 |
| 2.3.1 降噪方法仿真验证 | 第29-32页 |
| 2.3.2 特征提取方法对比验证 | 第32-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于C-LLE的滚动轴承特征降维方法 | 第37-50页 |
| 3.1 主成分分析 | 第37-38页 |
| 3.2 核主成分分析 | 第38-40页 |
| 3.3 基于C-LLE特征降维方法 | 第40-43页 |
| 3.3.1 LLE流形学习算法基本思想 | 第40-41页 |
| 3.3.2 模糊C均值聚类 | 第41-42页 |
| 3.3.3 基于C-LLE降维算法的基本流程 | 第42-43页 |
| 3.4 不同降维方法对比验证 | 第43-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 基于支持向量回归机性能衰退预测 | 第50-60页 |
| 4.1 支持向量机模型 | 第50-51页 |
| 4.2 基于磷虾群优化SVR的滚动轴承性能退化评估方法 | 第51-56页 |
| 4.2.1 支持向量回归机数学模型 | 第51-52页 |
| 4.2.2 基于磷虾群算法的SVR参数选取方法 | 第52-54页 |
| 4.2.3 多变量支持向量回归机预测过程 | 第54-56页 |
| 4.3 不同改进预测方法对比验证 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 滚动轴承试验验证 | 第60-72页 |
| 5.1 滚动轴承特征参数提取 | 第60-65页 |
| 5.2 多特征参数降维 | 第65-67页 |
| 5.3 退化预测分析 | 第67-71页 |
| 5.4 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
