| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 特征提取方法的研究现状 | 第11-14页 |
| 1.2.1 非自适应分析方法 | 第11-12页 |
| 1.2.2 自适应分析方法 | 第12-13页 |
| 1.2.3 信息熵 | 第13-14页 |
| 1.3 状态评估方法研究现状 | 第14-18页 |
| 1.3.1 基于解析模型的评估 | 第15页 |
| 1.3.2 基于统计理论的评估 | 第15-17页 |
| 1.3.3 基于人工智能的评估 | 第17-18页 |
| 1.4 本文的内容安排 | 第18-20页 |
| 第2章 完备总体经验模态分解方法 | 第20-37页 |
| 2.1 EMD方法的基本原理 | 第20-26页 |
| 2.1.1 瞬时频率 | 第20-21页 |
| 2.1.2 固有模态函数 | 第21页 |
| 2.1.3 特征时间尺度 | 第21-22页 |
| 2.1.4 EMD的分解过程 | 第22-25页 |
| 2.1.5 EMD的仿真信号分析 | 第25-26页 |
| 2.1.6 模态混叠 | 第26页 |
| 2.2 EEMD方法的基本原理 | 第26-30页 |
| 2.2.1 EEMD的分解过程 | 第26-28页 |
| 2.2.2 EEMD参数的确定 | 第28页 |
| 2.2.3 EEMD的仿真信号分析 | 第28-30页 |
| 2.3 CEEMD方法的基本原理 | 第30-33页 |
| 2.3.1 CEEMD的分解过程 | 第30-32页 |
| 2.3.2 CEEMD的仿真信号分析 | 第32-33页 |
| 2.4 液压泵实测信号分析 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于CEEMD与模糊熵的特征提取方法 | 第37-47页 |
| 3.1 模糊熵计算 | 第37-40页 |
| 3.1.1 近似熵 | 第37-38页 |
| 3.1.2 样本熵 | 第38-39页 |
| 3.1.3 模糊熵 | 第39-40页 |
| 3.2 近似熵、样本熵和模糊熵的效果比较 | 第40-42页 |
| 3.3 基于CEEMD与模糊熵的故障特征提取 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于变量预测模型的综合评估方法 | 第47-56页 |
| 4.1 VPMCD基本原理 | 第47-49页 |
| 4.1.1 变量预测模型 | 第47-48页 |
| 4.1.2 VPMCD方法的具体步骤 | 第48-49页 |
| 4.2 性能退化评估流程 | 第49页 |
| 4.3 滚动轴承性能退化的实验验证 | 第49-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 基于VPMCD的状态评估方法对液压泵的性能退化评估 | 第56-75页 |
| 5.1 液压泵信号采集 | 第56-61页 |
| 5.1.1 实验系统的组成 | 第56-59页 |
| 5.1.2 基于LabVIEW的数据采集系统 | 第59-60页 |
| 5.1.3 实验过程 | 第60-61页 |
| 5.2 液压泵松靴性能退化评估 | 第61-67页 |
| 5.3 液压泵滑靴磨损性能退化评估 | 第67-74页 |
| 5.4 本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-83页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第83-84页 |
| 致谢 | 第84页 |