滚动轴承故障诊断与性能退化评估
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 机械设备故障诊断研究现状 | 第10-11页 |
| 1.2.2 机械设备性能退化评估的研究现状 | 第11-13页 |
| 1.3 研究的主要内容 | 第13-15页 |
| 第2章 性能评估理论基础 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 模糊C均值聚类算法理论 | 第15-17页 |
| 2.3 高斯混合模型及其参数估计 | 第17-20页 |
| 2.3.1 高斯混合模型基本理论 | 第17-18页 |
| 2.3.2 高斯混合模型的参数估计及参数初始化 | 第18-20页 |
| 2.4 逻辑回归模型理论基础 | 第20-22页 |
| 2.4.1 逻辑回归模型理论 | 第20页 |
| 2.4.2 逻辑回归模型参数估计 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 轴承全寿命试验及常规特征值分析 | 第23-39页 |
| 3.1 引言 | 第23页 |
| 3.2 轴承全寿命疲劳试验及常规监测指标 | 第23-28页 |
| 3.2.1 轴承加速疲劳寿命试验 | 第23-26页 |
| 3.2.2 常规监测指标 | 第26-28页 |
| 3.3 常规指标之间相关性分析 | 第28-32页 |
| 3.4 常规指标单调趋势性分析 | 第32-36页 |
| 3.5 特征值降维 | 第36-38页 |
| 3.5.1 特征值降维基本方法 | 第36-37页 |
| 3.5.2 特征值降维主要步骤 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 滚动轴承故障诊断及故障程度识别 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 实验数据来源及处理 | 第39-42页 |
| 4.2.1 实验数据来源 | 第39-40页 |
| 4.2.2 实验数据特征提取 | 第40-42页 |
| 4.3 基于高斯混合模型的故障模式识别 | 第42-47页 |
| 4.3.1 故障模式识别方法步骤 | 第42-45页 |
| 4.3.2 故障模式识别 | 第45-47页 |
| 4.4 基于高斯混合模型的故障程度识别 | 第47-52页 |
| 4.4.1 故障程度识别方法流程 | 第47-48页 |
| 4.4.2 故障程度识别 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 滚动轴承性能状态评估 | 第53-70页 |
| 5.1 引言 | 第53-54页 |
| 5.2 基于GMM的设备性能退化评估 | 第54-61页 |
| 5.2.1 性能退化评估模型的建立及评估流程 | 第54-56页 |
| 5.2.2 建立设备性能退化自适应报警阈值 | 第56-57页 |
| 5.2.3 实验数据分析 | 第57-61页 |
| 5.3 基于FCM的设备性能退化评估 | 第61-64页 |
| 5.3.1 性能退化评估模型建立及评估流程 | 第61-63页 |
| 5.3.2 实验数据分析 | 第63-64页 |
| 5.4 基于逻辑回归模型的设备性能退化评估 | 第64-67页 |
| 5.4.1 性能退化评估模型建立及评估流程 | 第64-66页 |
| 5.4.2 实验数据分析 | 第66-67页 |
| 5.5 三种方法的比较 | 第67-69页 |
| 5.6 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |
