石油钻井传动滚动轴承的振动信号分析与故障诊断
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题的意义 | 第9-10页 |
| ·滚动轴承故障诊断的内容和方法 | 第10-11页 |
| ·滚动轴承故障诊断的研究概况 | 第11-13页 |
| ·本论文的研究内容 | 第13-14页 |
| 第二章 滚动轴承的故障机理 | 第14-22页 |
| ·滚动轴承的结构及工作原理 | 第14-15页 |
| ·滚动轴承失效的基本形式 | 第15页 |
| ·滚动轴承的振动机理 | 第15-17页 |
| ·滚动轴承的特征频率计算 | 第17-19页 |
| ·滚动轴承的固有频率 | 第17-18页 |
| ·滚动轴承的故障特征频率 | 第18-19页 |
| ·振动信号的测试 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 滚动轴承振动特征分析的常规方法 | 第22-28页 |
| ·振动信号的时域分析 | 第22-24页 |
| ·振动信号的频域分析 | 第24-27页 |
| ·FFT分析 | 第25页 |
| ·功率谱 | 第25-26页 |
| ·振动信号的共振解调分析 | 第26-27页 |
| ·常规特征提取方法存在的问题 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第四章 小波分析在滚动轴承故障特征提取中的应用 | 第28-48页 |
| ·小波分析基本理论 | 第28-38页 |
| ·连续小波变换及其离散化 | 第28-31页 |
| ·多分辨率分析及MALLAT算法 | 第31-35页 |
| ·小波包分析 | 第35-38页 |
| ·小波分析用于振动信号的消噪处理 | 第38-43页 |
| ·小波阈值消噪的基本原理和方法 | 第38-39页 |
| ·小波基的选择 | 第39-40页 |
| ·小波分解尺度的选择 | 第40页 |
| ·小波消噪中阈值规则的选取 | 第40-41页 |
| ·小波消噪中阈值处理的方法 | 第41-42页 |
| ·滚动轴承振动信号的消噪实例 | 第42-43页 |
| ·小波分析用于振动信号的特征提取 | 第43-47页 |
| ·小波包频带能量特征提取的步骤 | 第44-45页 |
| ·振动信号特征提取的结果分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 滚动轴承的故障模式识别 | 第48-66页 |
| ·人工神经网络在故障模式识别中的应用 | 第48-57页 |
| ·人工神经网络概述 | 第48-50页 |
| ·RBF神经网络的结构 | 第50-52页 |
| ·用MATLAB实现RBF神经网络 | 第52-53页 |
| ·RBF神经网络的模式识别结果 | 第53-56页 |
| ·神经网络算法的不足 | 第56-57页 |
| ·支持向量机在故障模式识别中的应用 | 第57-64页 |
| ·支持向量机概述 | 第57页 |
| ·支持向量机二值分类算法 | 第57-60页 |
| ·支持向量机多值分类算法 | 第60页 |
| ·滚动轴承故障诊断SVM模型的建立 | 第60-61页 |
| ·支持向量机的模式识别结果 | 第61-64页 |
| ·两种模式识别方法的比较与分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 硕士期间发表论文 | 第72页 |
