| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景、目的及意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究目的及意义 | 第9-10页 |
| ·国内外研究现状及水平 | 第10-13页 |
| ·基于振动信号分析的滚动轴承故障诊断概况 | 第10-11页 |
| ·时频分析在滚动轴承故障诊断中的应用现状 | 第11-12页 |
| ·滚动轴承智能故障诊断的发展现状 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第二章 滚动轴承故障机理与振动信号采集系统 | 第15-21页 |
| ·滚动轴承振动信号的特征分析 | 第15-17页 |
| ·滚动轴承种类 | 第15页 |
| ·滚动轴承组成部件及几何结构 | 第15-16页 |
| ·滚动轴承故障振动模型 | 第16-17页 |
| ·滚动轴承基本故障频率 | 第17页 |
| ·滚动轴承振动试验系统 | 第17-20页 |
| ·小结 | 第20-21页 |
| 第三章 基于EMD 与相关分析的滚动轴承故障特征提取 | 第21-34页 |
| ·经验模态分解 | 第21-26页 |
| ·瞬时频率和内禀模态函数 | 第21-23页 |
| ·EMD 的基本原理 | 第23-25页 |
| ·EMD 的改进算法 | 第25-26页 |
| ·仿真信号分析 | 第26页 |
| ·相关分析 | 第26-29页 |
| ·相关关系的种类 | 第26-27页 |
| ·相关分析的基本方法 | 第27-28页 |
| ·相关系数 | 第28-29页 |
| ·基于EMD 与相关分析的滚动轴承故障特征提取方法 | 第29-33页 |
| ·小结 | 第33-34页 |
| 第四章 基于参数模型的滚动轴承故障特征提取 | 第34-52页 |
| ·平稳自回归模型 | 第34-41页 |
| ·自回归模型的参数估计 | 第35-37页 |
| ·自回归模型的阶次确定 | 第37-38页 |
| ·基于AR 模型的滚动轴承故障特征提取方法 | 第38-41页 |
| ·非平稳参数模型 | 第41-51页 |
| ·时变自回归参数(Time varying autoregressive,TVAR)模型 | 第41-43页 |
| ·基于TVAR 模型的故障特征提取 | 第43-45页 |
| ·小波包自回归参数模型 | 第45-48页 |
| ·基于小波包自回归参数模型的故障特征提取方法 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第五章 基于特征选择与SVM 的滚动轴承智能故障诊断 | 第52-69页 |
| ·支持向量机分类器 | 第52-57页 |
| ·理论背景 | 第52-53页 |
| ·SVM 分类原理 | 第53-55页 |
| ·SVM 多类分类器 | 第55-57页 |
| ·基于距离评价技术的特征选择方法 | 第57-59页 |
| ·距离评价技术 | 第57-59页 |
| ·特征选择 | 第59页 |
| ·基于特征选择与SVM 的滚动轴承智能故障诊断方法 | 第59-60页 |
| ·实验仿真 | 第60-68页 |
| ·实验数据 | 第60-61页 |
| ·基于SVM 的诊断结果及分析 | 第61-65页 |
| ·基于特征选择与SVM 的诊断结果及分析 | 第65-68页 |
| ·小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| ·结论 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间科研工作和发表的论文 | 第75-76页 |
| 致谢 | 第76页 |
