| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究的目的及意义 | 第11-12页 |
| 1.2 滚动轴承故障诊断简介 | 第12-14页 |
| 1.2.1 常见的故障形式 | 第12-13页 |
| 1.2.2 故障状态信号获取方式 | 第13页 |
| 1.2.3 故障诊断基本步骤 | 第13-14页 |
| 1.3 滚动轴承故障特征提取法研究现状 | 第14-18页 |
| 1.3.1 常见故障特征提取方法 | 第14-17页 |
| 1.3.2 非线性信号处理方法 | 第17-18页 |
| 1.4 滚动轴承故障诊断的发展趋势 | 第18-19页 |
| 1.5 本文研究的主要内容 | 第19-21页 |
| 第二章 变分模态分解算法研究 | 第21-30页 |
| 2.1 经验模态分解理论 | 第21-23页 |
| 2.1.1 EMD基本原理 | 第21-23页 |
| 2.2 EMD方法存在的不足 | 第23页 |
| 2.2.1 端点效应 | 第23页 |
| 2.2.2 模态混叠 | 第23页 |
| 2.3 VMD理论 | 第23-29页 |
| 2.3.1 VMD原理 | 第23-24页 |
| 2.3.2 VMD算法 | 第24-25页 |
| 2.3.3 VMD算法步骤流程 | 第25-26页 |
| 2.3.4 VMD与EMD方法的比较 | 第26-28页 |
| 2.3.5 VMD模态参数K的选取方法 | 第28-29页 |
| 2.4 本章小节 | 第29-30页 |
| 第三章 基于时频分析方法的滚动轴承故障诊断方法 | 第30-41页 |
| 3.1 HilbertHuang变换相关理论 | 第30-32页 |
| 3.1.1 希尔伯特变换 | 第30-31页 |
| 3.1.2 经验模态分解 | 第31页 |
| 3.1.3 希尔伯特谱 | 第31-32页 |
| 3.2 滚动轴承实验与数据获取 | 第32-34页 |
| 3.2.1 实验对象和故障模拟 | 第32-33页 |
| 3.2.2 数据采集过程 | 第33-34页 |
| 3.3 基于圆柱滚子轴承的时域分析故障诊断方法 | 第34-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于VMD与时频特征的滚动轴承故障诊断 | 第41-50页 |
| 4.1 轴承故障特征空间构造 | 第41-45页 |
| 4.1.1 时域特征指标 | 第41-44页 |
| 4.1.2 频域特征指标 | 第44-45页 |
| 4.2 K-means聚类方法 | 第45-46页 |
| 4.3 滚动轴承故障诊断实验 | 第46-49页 |
| 4.4 所提方法的不足 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于VMD与流形学习的滚动轴承故障诊断 | 第50-66页 |
| 5.1 流形学习基本理论 | 第50-55页 |
| 5.1.1 线性数据降维方法 | 第51-53页 |
| 5.1.2 非线性数据降维方法 | 第53-55页 |
| 5.2 基于VMD与流形学习滚动轴承故障诊断实验 | 第55-56页 |
| 5.3 实验分析 | 第56-61页 |
| 5.3.1 深沟球轴承(SKF6205-2RS)滚动轴承故障实验 | 第56-58页 |
| 5.3.2 圆柱滚子轴承(4210)故障实验 | 第58-61页 |
| 5.4 多种数据降维方法对比 | 第61-63页 |
| 5.5 流形学习面临的问题 | 第63-64页 |
| 5.6 本章小结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 论文总结 | 第66-67页 |
| 6.2 不足与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73页 |