| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 绪论 | 第13-40页 |
| ·论文选题背景与意义 | 第13-15页 |
| ·滚动轴承故障诊断概述 | 第15-24页 |
| ·滚动轴承故障诊断的发展与现状 | 第15-17页 |
| ·常用的滚动轴承诊断方法 | 第17-18页 |
| ·滚动轴承的故障成因及振动分析 | 第18-24页 |
| ·滚动轴承故障诊断中几个关键问题研究现状 | 第24-37页 |
| ·解调方法的研究现状 | 第24-29页 |
| ·信号降噪方法的研究现状 | 第29-33页 |
| ·特征参数提取方法的研究现状 | 第33-37页 |
| ·论文的主要内容与结构安排 | 第37-40页 |
| ·论文研究的主要问题及思路 | 第37页 |
| ·论文的研究内容 | 第37-40页 |
| 2 基于EMD降噪和谱峭度法的滚动轴承故障诊断 | 第40-59页 |
| ·引言 | 第40-41页 |
| ·EMD的基本原理和性质 | 第41-45页 |
| ·EMD的基本原理 | 第41-44页 |
| ·EMD的完备性和正交性 | 第44-45页 |
| ·EMD降噪的处理方法 | 第45-52页 |
| ·基于阈值处理的EMD降噪方法 | 第46页 |
| ·基于滤波处理的EMD降噪方法 | 第46-49页 |
| ·两种EMD降噪方法的性能比较 | 第49-52页 |
| ·谱峭度理论 | 第52-54页 |
| ·谱峭度的定义 | 第52-53页 |
| ·谱峭度检测轴承故障的物理解释 | 第53页 |
| ·峭度图 | 第53-54页 |
| ·EMD降噪和谱峭度法的滚动轴承故障诊断步骤 | 第54-55页 |
| ·工程实例 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 3 基于 Morlet小波滤波和自相关增强算法的滚动轴承故障诊断 | 第59-81页 |
| ·引言 | 第59-61页 |
| ·Morlet小波滤波器的优化问题 | 第61-66页 |
| ·连续小波变换 | 第61-62页 |
| ·Morlet小波滤波器 | 第62-63页 |
| ·最优参数选择策略 | 第63-66页 |
| ·遗传算法 | 第66-68页 |
| ·染色体表示 | 第66-68页 |
| ·初始化种群 | 第68页 |
| ·适应度函数 | 第68页 |
| ·遗传操作 | 第68页 |
| ·自相关增强算法 | 第68-70页 |
| ·自相关运算 | 第68-69页 |
| ·自相关包络功率谱 | 第69页 |
| ·扩展Shannon熵函数 | 第69-70页 |
| ·性能评价 | 第70-80页 |
| ·仿真结果 | 第70-72页 |
| ·试验台数据结果 | 第72-76页 |
| ·实际故障轴承结果 | 第76-80页 |
| ·本章小结 | 第80-81页 |
| 4 双树复小波域隐Markov树模型降噪及其在滚动轴承故障诊断中的应用 | 第81-110页 |
| ·引言 | 第81-82页 |
| ·双树复小波变换 | 第82-89页 |
| ·离散小波变换(DWT) | 第82-84页 |
| ·复小波变换(CWT) | 第84-85页 |
| ·树复小波变换(DT-CWT) | 第85-86页 |
| ·DT-CWT的滤波器设计 | 第86-88页 |
| ·DT-CWT的平移不变性分析实例 | 第88-89页 |
| ·小波系数的特性及统计模型 | 第89-92页 |
| ·小波系数的特性 | 第89-91页 |
| ·小波系数的边缘分布模型 | 第91-92页 |
| ·小波域隐Markov树(HMT)模型 | 第92-99页 |
| ·隐Markov模型 | 第92-94页 |
| ·HMT模型的原理 | 第94-96页 |
| ·HMT模型的训练算法 | 第96-99页 |
| ·DWT-HMT模型降噪 | 第99页 |
| ·树复小波域隐Markov树降噪模型 | 第99-100页 |
| ·DTCWT HMT1法 | 第100页 |
| ·DTCWT HMT2法 | 第100页 |
| ·仿真和实际信号验证 | 第100-108页 |
| ·仿真信号 | 第100-107页 |
| ·实际信号 | 第107-108页 |
| ·本章小结 | 第108-110页 |
| 5 小波包样本熵及其在滚动轴承故障诊断和预测中的应用研究 | 第110-132页 |
| ·引言 | 第110页 |
| ·熵概念的发展及泛化 | 第110-114页 |
| ·热力学的熵 | 第111页 |
| ·统计物理学的熵 | 第111-112页 |
| ·信息熵 | 第112页 |
| ·K-S熵 | 第112-113页 |
| ·近似熵 | 第113-114页 |
| ·样本熵 | 第114-119页 |
| ·算法描述 | 第114-115页 |
| ·性能讨论 | 第115-119页 |
| ·参数选择 | 第119页 |
| ·小波包分解 | 第119-120页 |
| ·小波包样本熵的特征提取方法研究 | 第120-124页 |
| ·小波包样本熵的特征提取方法 | 第120-121页 |
| ·实际信号分析 | 第121-124页 |
| ·小波包样本熵在故障趋势预测中的应用 | 第124-131页 |
| ·基于EMD的趋势提取方法 | 第124-125页 |
| ·试验台介绍 | 第125-126页 |
| ·实验结果 | 第126-131页 |
| ·本章小结 | 第131-132页 |
| 6 滚动轴承振动信号分析系统设计和开发 | 第132-141页 |
| ·引言 | 第132页 |
| ·开发环境介绍 | 第132-133页 |
| ·系统方案设计 | 第133-135页 |
| ·系统的实现 | 第135-138页 |
| ·数据采集模块 | 第135-136页 |
| ·数据管理模块 | 第136-137页 |
| ·信号分析模块 | 第137-138页 |
| ·系统应用实例 | 第138-140页 |
| ·本章小结 | 第140-141页 |
| 结论 | 第141-144页 |
| 参考文献 | 第144-157页 |
| 攻读博士学位期间发表学术论文情况 | 第157-158页 |
| 致谢 | 第158-159页 |
| 作者简介 | 第159-160页 |
