| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状分析 | 第10-13页 |
| 1.2.1 特征提取的研究现状 | 第11-12页 |
| 1.2.2 识别方法的研究现状 | 第12页 |
| 1.2.3 寿命预测的研究现状 | 第12-13页 |
| 1.3 本文研究内容及结构安排 | 第13-15页 |
| 第2章 轴承故障诊断的基本原理 | 第15-26页 |
| 2.1 轴承故障诊断的基本过程和关键问题 | 第15-17页 |
| 2.1.1 轴承故障诊断的基本过程 | 第15-16页 |
| 2.1.2 需解决的关键问题 | 第16-17页 |
| 2.2 VMD分解原理 | 第17-18页 |
| 2.3 随机森林分类模型 | 第18-20页 |
| 2.3.1 训练过程 | 第18-20页 |
| 2.3.2 决策过程 | 第20页 |
| 2.4 寿命预测的衰退模型 | 第20-22页 |
| 2.4.1 模型描述 | 第20-21页 |
| 2.4.2 状态方程 | 第21页 |
| 2.4.3 观测方程 | 第21-22页 |
| 2.5 粒子滤波原理 | 第22-25页 |
| 2.5.1 蒙特卡洛采样 | 第22-23页 |
| 2.5.2 粒子滤波过程 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于变分模态分解和随机森林的滚动轴承故障类型识别 | 第26-43页 |
| 3.1 轴承故障信号的VMD分解 | 第26-34页 |
| 3.1.1 IMF个数对分解结果的影响 | 第26-27页 |
| 3.1.2 基于FSK的IMF个数确定 | 第27-28页 |
| 3.1.3 VMD与EMD分解仿真信号对比 | 第28-30页 |
| 3.1.4 轴承信号VMD与EMD分解对比 | 第30-34页 |
| 3.2 敏感模态分量的特征提取 | 第34-37页 |
| 3.2.1 敏感IMF选取 | 第34-36页 |
| 3.2.2 时频域特征提取 | 第36-37页 |
| 3.3 故障类型识别 | 第37-42页 |
| 3.3.1 实验信号采集 | 第37-39页 |
| 3.3.2 特征矩阵建立 | 第39-40页 |
| 3.3.3 随机森林分类 | 第40页 |
| 3.3.4 结果分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于经验指数模型和粒子滤波的轴承寿命预测 | 第43-54页 |
| 4.1 轴承健康指标选取 | 第43-45页 |
| 4.2 轴承衰退模型建立 | 第45-47页 |
| 4.2.1 双指数衰退模型 | 第45页 |
| 4.2.2 经验指数衰退模型 | 第45-47页 |
| 4.3 粒子滤波性能仿真分析 | 第47-48页 |
| 4.4 轴承信号状态估计 | 第48-52页 |
| 4.4.1 轴承加速寿命数据采集 | 第48-50页 |
| 4.4.2 轴承信号的状态估计 | 第50-52页 |
| 4.5 轴承寿命预测 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |