| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 课题研究意义 | 第12-13页 |
| 1.2 滚动轴承故障形式及监测方法 | 第13-15页 |
| 1.2.1 滚动轴承及其常见故障形式 | 第13-14页 |
| 1.2.2 滚动轴承常用监测方法 | 第14-15页 |
| 1.3 滚动轴承信号分析处理方法研究现状 | 第15-18页 |
| 1.3.1 滚动轴承信号噪声处理 | 第15-17页 |
| 1.3.2 滚动轴承信号分析及特征提取 | 第17-18页 |
| 1.4 滚动轴承故障诊断技术研究现状 | 第18-21页 |
| 1.4.1 滚动轴承单一故障诊断 | 第19-20页 |
| 1.4.2 滚动轴承复合故障诊断 | 第20-21页 |
| 1.5 滚动轴承故障趋势预测研究现状 | 第21-24页 |
| 1.5.1 滚动轴承故障趋势表征 | 第21-23页 |
| 1.5.2 滚动轴承故障趋势预测方法 | 第23-24页 |
| 1.6 论文的主要研究内容 | 第24-26页 |
| 第2章 滚动轴承故障诊断及全寿命试验 | 第26-35页 |
| 2.1 滚动轴承故障诊断试验 | 第26-30页 |
| 2.1.1 试验平台 | 第26-27页 |
| 2.1.2 数据采集系统 | 第27-28页 |
| 2.1.3 单一故障诊断试验 | 第28-29页 |
| 2.1.4 复合故障诊断试验 | 第29-30页 |
| 2.2 滚动轴承全寿命试验 | 第30-33页 |
| 2.2.1 试验平台 | 第30-32页 |
| 2.2.2 试验过程 | 第32-33页 |
| 2.3 小结 | 第33-35页 |
| 第3章 基于相空间重构的振动信号局部投影降噪 | 第35-54页 |
| 3.1 滚动轴承振动信号相空间重构方法 | 第35-38页 |
| 3.1.1 相空间重构方法简介 | 第35-36页 |
| 3.1.2 延迟时间及嵌入维数求解 | 第36-38页 |
| 3.2 改进的局部投影降噪算法 | 第38-42页 |
| 3.2.1 局部投影降噪原理 | 第38-39页 |
| 3.2.2 局部投影降噪算法改进 | 第39-41页 |
| 3.2.3 降噪效果评价 | 第41-42页 |
| 3.3 降噪仿真 | 第42-46页 |
| 3.3.1 Lorenz混沌时间序列降噪仿真 | 第42-45页 |
| 3.3.2 传统时间序列降噪仿真 | 第45-46页 |
| 3.4 滚动轴承实际振动信号降噪 | 第46-52页 |
| 3.4.1 滚动轴承单一故障振动信号降噪应用 | 第46-50页 |
| 3.4.2 滚动轴承复合故障振动信号降噪应用 | 第50-52页 |
| 3.5 小结 | 第52-54页 |
| 第4章 基于混沌振子的滚动轴承故障诊断 | 第54-86页 |
| 4.1 混沌振子检测基本原理 | 第54-57页 |
| 4.1.1 Duffing混沌振子的行为特性 | 第54-56页 |
| 4.1.2 Duffing混沌振子的检测原理 | 第56-57页 |
| 4.2 混沌振子检测结果的定量识别 | 第57-61页 |
| 4.2.1 极半径不变矩定义 | 第58-59页 |
| 4.2.2 极半径不变矩识别振子相态转变 | 第59-60页 |
| 4.2.3 混沌振子相态识别方法对比 | 第60-61页 |
| 4.3 基于经验小波分解的混沌振子极半径不变矩检测方法 | 第61-69页 |
| 4.3.1 经验小波分解理论 | 第62-63页 |
| 4.3.2 经验小波分解-混沌振子滚动轴承故障诊断过程 | 第63-64页 |
| 4.3.3 经验小波分解-混沌振子方法仿真分析 | 第64-69页 |
| 4.4 滚动轴承故障诊断 | 第69-84页 |
| 4.4.1 滚动轴承单一故障诊断实例 | 第69-73页 |
| 4.4.2 滚动轴承单一故障形式诊断多样本验证 | 第73-74页 |
| 4.4.3 滚动轴承单一故障程度诊断多样本验证 | 第74-76页 |
| 4.4.4 滚动轴承复合故障诊断实例 | 第76-80页 |
| 4.4.5 滚动轴承复合故障形式诊断多样本验证 | 第80-82页 |
| 4.4.6 滚动轴承复合故障程度诊断多样本验证 | 第82-84页 |
| 4.5 小结 | 第84-86页 |
| 第5章 滚动轴承故障趋势预测 | 第86-112页 |
| 5.1 支持向量回归机预测方法 | 第86-88页 |
| 5.2 支持向量机参数优化 | 第88-95页 |
| 5.2.1 传统粒子群算法(PSO) | 第89-90页 |
| 5.2.2 混沌粒子群算法(CPSO) | 第90-91页 |
| 5.2.3 改进的混沌粒子群算法(AMCPSO) | 第91-92页 |
| 5.2.4 自适应映射混沌粒子群算法(AMCPSO)寻优性能测试 | 第92-95页 |
| 5.3 基于AMCPSO-SVM方法的滚动轴承故障趋势预测 | 第95-111页 |
| 5.3.1 滚动轴承故障趋势表征 | 第95-98页 |
| 5.3.2 AMCPSO-SVM故障趋势预测 | 第98-106页 |
| 5.3.3 多样本滚动轴承故障趋势预测 | 第106-111页 |
| 5.4 小结 | 第111-112页 |
| 结论 | 第112-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-127页 |
| 攻读博士学位期间发表的论文及科研成果 | 第127页 |
