| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 旋转机械故障诊断的研究意义及其内容 | 第11-13页 |
| 1.1.1 旋转机械故障诊断的研究背景与意义 | 第11-12页 |
| 1.1.2 机械故障诊断技术内容的研究 | 第12-13页 |
| 1.2 机械故障诊断技术的发展及其研究的现状 | 第13-14页 |
| 1.3 时频分析的发展概况及应用 | 第14-17页 |
| 1.3.1 短时傅里叶变换的发展及其应用 | 第14-15页 |
| 1.3.2 Wigner-Ville分布的发展及应用 | 第15-16页 |
| 1.3.3 小波变换的发展及应用 | 第16页 |
| 1.3.4 EMD发展及应用 | 第16-17页 |
| 1.4 项目来源及本文研究内容 | 第17-19页 |
| 第2章DEMD时频分析方法研究 | 第19-33页 |
| 2.1 前言 | 第19页 |
| 2.2 EMD方法基本概念及原理 | 第19-25页 |
| 2.2.1 瞬时频率 | 第19-21页 |
| 2.2.2 本征模函数 | 第21页 |
| 2.2.3 EMD基本原理和算法步骤 | 第21-25页 |
| 2.3 DEMD原理与算法研究 | 第25-32页 |
| 2.3.1 DEMD基本原理 | 第25-27页 |
| 2.3.2 DEMD算法研究 | 第27-28页 |
| 2.3.3 DEMD方法与EMD方法对比 | 第28-30页 |
| 2.3.4 DEMD算法存在的问题 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于支持向量回归机与窗函数的抑制DEMD端点效应方法研究 | 第33-47页 |
| 3.1 前言 | 第33-34页 |
| 3.2 支持向量机理论 | 第34-39页 |
| 3.2.1 支持向量分类机 | 第34-36页 |
| 3.2.2 核函数 | 第36-37页 |
| 3.2.3 支持向量回归机 | 第37-39页 |
| 3.3 窗函数 | 第39-40页 |
| 3.4 基于支持向量回归机与窗函数的结合的DEMD方法 | 第40-46页 |
| 3.4.1 仿真信号分析 | 第41-43页 |
| 3.4.2 试验研究 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于DEMD与对称差分能量算子解调的滚动轴承特征提取研究 | 第47-57页 |
| 4.1 前言 | 第47页 |
| 4.2 能量算子解调方法 | 第47-48页 |
| 4.3 对称差分能量算子解调法 | 第48-49页 |
| 4.4 基于DEMD和对称差分能量算子解调的滚动轴承特征提取 | 第49-56页 |
| 4.4.1 仿真信号分析 | 第49-53页 |
| 4.4.2 故障特征提取 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 基于DEMD和模糊熵的机械故障诊断方法研究 | 第57-67页 |
| 5.1 前言 | 第57页 |
| 5.2 模糊集合理论 | 第57-58页 |
| 5.3 模糊熵原理 | 第58-60页 |
| 5.3.1 熵的含义 | 第58-59页 |
| 5.3.2 模糊熵的算法 | 第59-60页 |
| 5.3.3 模糊熵的参数选择 | 第60页 |
| 5.4 基于DEMD和模糊熵的机械故障诊断 | 第60-65页 |
| 5.4.1 DEMD模糊熵的特征提取方法 | 第60-63页 |
| 5.4.2 轴承故障诊断 | 第63-65页 |
| 5.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
