| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 符号说明 | 第12-13页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 课题背景和研究意义 | 第13-14页 |
| 1.2 滚动轴承故障特征提取方法国内外研究现状 | 第14-19页 |
| 1.2.1 滚动轴承微弱故障特征提取方法研究现状 | 第14-18页 |
| 1.2.2 滚动轴承复合故障特征提取方法研究现状 | 第18-19页 |
| 1.3 稀疏表示在故障诊断领域的研究现状 | 第19-23页 |
| 1.3.1 稀疏系数求解方法 | 第20-21页 |
| 1.3.2 字典构造方法 | 第21-22页 |
| 1.3.3 现有研究存在的不足 | 第22-23页 |
| 1.4 论文研究内容与章节安排 | 第23-26页 |
| 第2章 基于加权稀疏分解的滚动轴承故障特征提取方法研究 | 第26-45页 |
| 2.1 高通滤波和稀疏优化算法 | 第26-30页 |
| 2.1.1 稀疏故障诊断模型 | 第26-27页 |
| 2.1.2 高通滤波器的设计 | 第27-28页 |
| 2.1.3 受控极小化方法 | 第28-30页 |
| 2.2 基于加权稀疏分解的滚动轴承故障特征提取 | 第30-33页 |
| 2.2.1 自相关分析 | 第30-31页 |
| 2.2.2 加权稀疏分解算法 | 第31-32页 |
| 2.2.3 基于加权稀疏分解算法的滚动轴承故障特征提取流程图 | 第32-33页 |
| 2.3 仿真信号分析 | 第33-38页 |
| 2.4 实验验证 | 第38-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第3章 基于基追踪降噪和自适应Morlet小波的滚动轴承微弱故障特征提取 | 第45-67页 |
| 3.1 基追踪降噪算法 | 第45-49页 |
| 3.1.1 基追踪降噪理论 | 第45-48页 |
| 3.1.2 基追踪降噪的仿真实例 | 第48-49页 |
| 3.2 自适应Morlet小波带通滤波算法 | 第49-55页 |
| 3.2.1 Morlet小波 | 第49-51页 |
| 3.2.2 混洗蛙跳算法 | 第51-53页 |
| 3.2.3 适应度函数的选择 | 第53-55页 |
| 3.3 基于基追踪降噪和自适应Morlet小波滤波的故障特征提取方法 | 第55页 |
| 3.4 仿真信号分析 | 第55-61页 |
| 3.4.1 仿真分析一 | 第55-57页 |
| 3.4.2 仿真分析二 | 第57-61页 |
| 3.5 实验验证 | 第61-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第4章 基于峭度-小波全变分降噪的滚动轴承微弱故障特征提取 | 第67-87页 |
| 4.1 小波域全变分降噪理论 | 第67-72页 |
| 4.1.1 稀疏故障诊断模型 | 第67-68页 |
| 4.1.2 ADMM优化算法 | 第68页 |
| 4.1.3 小波字典设计 | 第68-72页 |
| 4.2 基于峭度的小波全变分降噪算法框架 | 第72-74页 |
| 4.3 算法特性分析 | 第74-76页 |
| 4.3.1 时频域分辨率 | 第74-75页 |
| 4.3.2 全变分项特性分析 | 第75-76页 |
| 4.3.3 算法复杂度分析 | 第76页 |
| 4.4 仿真信号验证 | 第76-81页 |
| 4.5 实验验证 | 第81-86页 |
| 4.6 本章小结 | 第86-87页 |
| 第5章 基于Morlet小波-重叠组稀疏的滚动轴承微弱复合故障特征提取 | 第87-102页 |
| 5.1 结构组稀疏模型 | 第87-89页 |
| 5.1.1 组稀疏模型 | 第87-88页 |
| 5.1.2 重叠组稀疏模型 | 第88-89页 |
| 5.2 基于Morlet小波-重叠组稀疏的滚动轴承复合故障特征提取 | 第89-93页 |
| 5.2.1 滚动轴承复合故障特征的结构组稀疏特性 | 第89-90页 |
| 5.2.2 Morlet小波的时频表示 | 第90页 |
| 5.2.3 自适应权重参数 | 第90-91页 |
| 5.2.4 基于MM算法求解稀疏优化 | 第91-93页 |
| 5.2.5 正则化参数的选择 | 第93页 |
| 5.3 收敛性证明 | 第93-94页 |
| 5.4 仿真信号分析 | 第94-97页 |
| 5.5 实验验证 | 第97-100页 |
| 5.6 本章小结 | 第100-102页 |
| 第6章 应用研究 | 第102-116页 |
| 6.1 实验装置概述 | 第102-107页 |
| 6.1.1 轴承强化疲劳实验台 | 第102-103页 |
| 6.1.2 实验轴承及测试条件 | 第103-104页 |
| 6.1.3 数据采集系统及测试系统 | 第104页 |
| 6.1.4 实验方案与操作流程 | 第104-105页 |
| 6.1.5 滚动轴承常见的时域指标 | 第105-107页 |
| 6.2 基于加权稀疏分解算法验证 | 第107-110页 |
| 6.3 基于BPDN-自适应Morlet小波滤波算法验证 | 第110-112页 |
| 6.4 基于峭度-小波全变分降噪算法验证 | 第112-113页 |
| 6.5 实验结果分析与讨论 | 第113-115页 |
| 6.6 本章小结 | 第115-116页 |
| 第7章 结论与展望 | 第116-119页 |
| 7.1 结论 | 第116-118页 |
| 7.2 研究展望 | 第118-119页 |
| 参考文献 | 第119-130页 |
| 致谢 | 第130-131页 |
| 攻读博士学位期间取得的研究成果 | 第131页 |
