电机轴承故障诊断方法研究
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 电机轴承状态监测与诊断技术的发展历程 | 第10-11页 |
| 1.3 电机轴承故障诊断技术研究的国内外现状 | 第11-14页 |
| 1.3.1 电机轴承故障检测技术国内现状 | 第11-13页 |
| 1.3.2 电机轴承故障检测技术国外现状 | 第13页 |
| 1.3.3 电机轴承故障诊断现状 | 第13-14页 |
| 1.4 论文的主要内容及安排 | 第14-16页 |
| 第2章 电机轴承故障振动机理研究 | 第16-24页 |
| 2.1 电机轴承基本的故障类型 | 第16-18页 |
| 2.2 电机轴承的振动机理 | 第18-23页 |
| 2.2.1 电机轴承的基本结构 | 第19页 |
| 2.2.2 电机轴承的振动信号特征 | 第19-21页 |
| 2.2.3 电机轴承故障特征频率计算 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 振动信号分析及特征提取 | 第24-39页 |
| 3.1 信号预处理方法 | 第24-29页 |
| 3.2 小波变换的基本原理 | 第29-31页 |
| 3.2.1 连续小波变换 | 第29-30页 |
| 3.2.2 离散小波变换 | 第30-31页 |
| 3.3 相关性计算 | 第31-32页 |
| 3.4 奇异值分解 | 第32-33页 |
| 3.5 信息熵 | 第33-34页 |
| 3.6 基于相关性小波奇异熵特征提取方法的步骤 | 第34-35页 |
| 3.7 模拟轴承信号的特征提取方法 | 第35-38页 |
| 3.7.1 时域仿真结果分析 | 第36页 |
| 3.7.2 频域仿真结果分析 | 第36-37页 |
| 3.7.3 相关性小波奇异熵仿真结果分析 | 第37-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第4章 K-means算法及其改进算法 | 第39-46页 |
| 4.1 K-means算法 | 第39-41页 |
| 4.2 减法聚类算法 | 第41-42页 |
| 4.3 改进的K-means算法 | 第42-43页 |
| 4.4 实验结果与分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 电机轴承故障诊断的实验模拟及分析 | 第46-49页 |
| 5.1 仿真实验设计 | 第46页 |
| 5.2 相关性小波奇异熵值结果分析 | 第46-47页 |
| 5.3 基于聚类算法的电机轴承故障损伤识别 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
