| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·机械故障诊断选题意义及发展历史 | 第10-13页 |
| ·选题意义 | 第10-11页 |
| ·机械故障诊断的目的 | 第11页 |
| ·机械故障诊断的发展历史 | 第11-13页 |
| ·常用智能故障诊断方法 | 第13-15页 |
| ·基于人工神经网络的诊断方法 | 第13页 |
| ·基于模糊理论的故障诊断方法 | 第13-14页 |
| ·基于专家系统 | 第14-15页 |
| ·支持向量机在故障诊断中的应用 | 第15-16页 |
| ·本文研究内容及论文结构 | 第16-18页 |
| 第二章 轴承故障机理 | 第18-24页 |
| ·滚动轴承的主要故障形式 | 第18-19页 |
| ·滚动轴承的基本参数 | 第19-22页 |
| ·滚动轴承的故障特征频率 | 第19-21页 |
| ·滚动轴承的固有频率 | 第21-22页 |
| ·有故障轴承的振动信号特点 | 第22-24页 |
| ·疲劳剥落损伤 | 第22页 |
| ·磨损 | 第22-23页 |
| ·胶合 | 第23-24页 |
| 第三章 支持向量机的理论 | 第24-38页 |
| ·统计学习理论 | 第24-27页 |
| ·VC 维 | 第25页 |
| ·推广性的界 | 第25-26页 |
| ·结构风险最小化 | 第26-27页 |
| ·支持向量分类机 | 第27-32页 |
| ·线性分类问题 | 第27-29页 |
| ·近似线性分类问题 | 第29页 |
| ·非线性分类问题 | 第29-30页 |
| ·核函数 | 第30-31页 |
| ·支持向量分类实例 | 第31-32页 |
| ·支持向量回归机 | 第32-37页 |
| ·支持向量回归机的基本原理 | 第33页 |
| ·损失函数 | 第33-34页 |
| ·目标函数及其求解 | 第34-35页 |
| ·实例 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 轴承振动信号故障特征提取方法 | 第38-48页 |
| ·时域分析方法 | 第38-39页 |
| ·频域分析方法 | 第39-40页 |
| ·时频分析方法 | 第40-41页 |
| ·线性时频分析 | 第40-41页 |
| ·双线性时频分析 | 第41页 |
| ·轴承振动信号特征分析 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于支持向量回归的故障定量诊断方法及其应用 | 第48-59页 |
| ·引言 | 第48-49页 |
| ·基于支持向量回归的轴承外圈故障程度分类模型 | 第49-52页 |
| ·训练集和测试集 | 第49-50页 |
| ·数据处理 | 第50页 |
| ·确定模型参数 | 第50-51页 |
| ·模型在训练集和预测集上的结果及分析 | 第51-52页 |
| ·基于支持向量回归的轴承故障定量诊断模型建立 | 第52-58页 |
| ·训练集与测试集 | 第53-54页 |
| ·数据处理 | 第54页 |
| ·确定模型参数 | 第54-55页 |
| ·模型在训练集和预测集上的结果 | 第55-56页 |
| ·对比分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 滚动轴承故障模拟试验 | 第59-62页 |
| ·轴承故障诊断试验台 | 第59页 |
| ·轴承故障设置 | 第59-61页 |
| ·信号采集系统 | 第61页 |
| ·振动信号数据 | 第61-62页 |
| 第七章 总结与展望 | 第62-64页 |
| ·全文总结 | 第62页 |
| ·进一步研究工作展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文及申请专利 | 第70-71页 |
| 致谢 | 第71-72页 |