| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 轴承故障诊断研究内容和研究现状 | 第11-15页 |
| 1.2.1 滚动轴承故障机理的研究 | 第11页 |
| 1.2.2 特征提取方法研究 | 第11-13页 |
| 1.2.3 故障识别方法的研究 | 第13-15页 |
| 1.3 问题提出 | 第15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 2 轴承故障机理分析及信号预处理 | 第17-33页 |
| 2.1 滚动轴承的结构与振动机理 | 第17-19页 |
| 2.1.1 滚动轴承结构 | 第17页 |
| 2.1.2 滚动轴承振动机理 | 第17-19页 |
| 2.1.3 滚动轴承故障类型 | 第19页 |
| 2.2 自适应MCKD滤波 | 第19-28页 |
| 2.2.1 MCKD原理 | 第20-21页 |
| 2.2.2 粒子群算法PSO | 第21-22页 |
| 2.2.3 自适应粒子群算法APSO | 第22-24页 |
| 2.2.4 循环相关 | 第24页 |
| 2.2.5 滤波步骤 | 第24-25页 |
| 2.2.6 仿真信号验证 | 第25-28页 |
| 2.3 实验验证 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 轴承故障特征提取与优化选择 | 第33-49页 |
| 3.1 RQA-AP特征提取 | 第33-46页 |
| 3.1.1 递归图 | 第33-35页 |
| 3.1.2 递归定量分析 | 第35-37页 |
| 3.1.3 递归参数选取 | 第37-41页 |
| 3.1.4 特征聚类 | 第41-43页 |
| 3.1.5 实际信号特征分析 | 第43-46页 |
| 3.2 基于粒子群优化的VMD轴承特征提取 | 第46-48页 |
| 3.2.1 VMD原理 | 第46-47页 |
| 3.2.2 基于粒子群自适应的VMD特征提取 | 第47-48页 |
| 3.3 本章小结 | 第48-49页 |
| 4 基于改进的VPMCD轴承故障识别方法 | 第49-73页 |
| 4.1 VPMCD特征关联模型 | 第49-51页 |
| 4.2 APSO-VPMCD模型 | 第51页 |
| 4.3 基于RQA-AP和APSO-VPMCD的故障识别方法 | 第51-53页 |
| 4.4 实验验证 | 第53-61页 |
| 4.4.1 同类型特征和不同类型特征下对比分析 | 第53-58页 |
| 4.4.2 五种特征下分类精度研究 | 第58-61页 |
| 4.5 增加高斯模型的VPMCD算法 | 第61-64页 |
| 4.6 利用APSO优化Gauss-VPMCD模型 | 第64-65页 |
| 4.7 实际验证 | 第65-70页 |
| 4.8 本章小结 | 第70-73页 |
| 5 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73-74页 |
| 5.2 展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83页 |
| A.作者在攻读硕士期间发表的论文目录 | 第83页 |