基于噪声的旋转机械故障诊断研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第16-17页 |
| 1 绪论 | 第17-27页 |
| 1.1 选题背景及研究意义 | 第17-18页 |
| 1.2 国内外相关研究概况及研究现状 | 第18-23页 |
| 1.3 未来发展方向及存在的不足 | 第23-24页 |
| 1.4 论文主要研究内容与结构安排 | 第24-26页 |
| 1.5 本章小结 | 第26-27页 |
| 2 旋转机械故障机理及噪声信号分析方法 | 第27-40页 |
| 2.1 旋转机械故障类型及机理 | 第27-32页 |
| 2.2 机械故障诊断概述 | 第32-34页 |
| 2.3 机械故障诊断方法及其噪声信号 | 第34-36页 |
| 2.4 基于噪声的旋转机械故障诊断 | 第36-38页 |
| 2.5 本章小结 | 第38-40页 |
| 3 旋转机械噪声信号定点和移动采集 | 第40-52页 |
| 3.1 总体方案 | 第40-41页 |
| 3.2 实验设备与实验内容 | 第41-45页 |
| 3.3 噪声信号采集方案 | 第45-46页 |
| 3.4 旋转机械噪声信号 | 第46-51页 |
| 3.5 本章小结 | 第51-52页 |
| 4 基于噪声信号的故障特征提取方法 | 第52-79页 |
| 4.1 基于短时傅里叶变换的故障特征提取方法 | 第52-58页 |
| 4.2 基于经验模态分解的去噪方法 | 第58-67页 |
| 4.3 基于集合经验模态分解的故障特征提取方法 | 第67-73页 |
| 4.4 基于能量的移动采集信号处理方法 | 第73-77页 |
| 4.5 本章小结 | 第77-79页 |
| 5 基于支持向量机的故障诊断方法 | 第79-92页 |
| 5.1 支持向量机的理论基础 | 第79-84页 |
| 5.2 单一故障诊断 | 第84-90页 |
| 5.3 混合故障诊断 | 第90-91页 |
| 5.4 本章小结 | 第91-92页 |
| 6 结论与展望 | 第92-94页 |
| 6.1 总结 | 第92-93页 |
| 6.2 展望 | 第93-94页 |
| 参考文献 | 第94-99页 |
| 作者简历 | 第99-101页 |
| 学位论文数据集 | 第101页 |
