| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-21页 |
| ·课题概述 | 第13-14页 |
| ·课题来源 | 第13页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·滚动轴承故障诊断技术发展与研究现状 | 第14-19页 |
| ·滚动轴承故障诊断技术的发展与现状 | 第14-15页 |
| ·常用滚动轴承故障信息检测技术概述 | 第15-16页 |
| ·现代常用滚动轴承故障诊断方法简介 | 第16-18页 |
| ·基于多源信息融合的故障诊断 | 第18-19页 |
| ·本论文主要研究内容 | 第19-21页 |
| 第2章 滚动轴承及其故障机理分析 | 第21-28页 |
| ·滚动轴承简介 | 第21-23页 |
| ·滚动轴承结构简介 | 第21-22页 |
| ·滚动轴承典型失效形式 | 第22-23页 |
| ·滚动轴承振动特征分析 | 第23-26页 |
| ·滚动轴承振动产生机理 | 第23页 |
| ·滚动轴承的故障特征频率计算 | 第23-24页 |
| ·频谱分析 | 第24-26页 |
| ·滚动轴承故障检测方法的确定 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 滚动轴承故障信号采集实验系统设计 | 第28-39页 |
| ·实验系统设计 | 第28页 |
| ·实验材料制备与仪器选取 | 第28-33页 |
| ·实验故障件制备 | 第28-29页 |
| ·实验用传感器选择 | 第29-32页 |
| ·数据采集平台及数据采集卡选型 | 第32-33页 |
| ·基于LabVIEW的数据采集系统搭建 | 第33-35页 |
| ·传感器布置 | 第33-34页 |
| ·基于LabVIEW的信号采集程序编制 | 第34-35页 |
| ·机床内部伺服信息的提取 | 第35-38页 |
| ·操作面板信息提取 | 第35-37页 |
| ·其他机床伺服信息提取 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 滚动轴承故障信号的分析处理 | 第39-58页 |
| ·信号分析与处理概述 | 第39页 |
| ·滚动轴承故障信号特征提取 | 第39-48页 |
| ·时域特征提取 | 第39-41页 |
| ·频域特征提取 | 第41-45页 |
| ·时频域特征提取 | 第45-48页 |
| ·基于粗糙集理论的滚动轴承故障信号特征值筛选 | 第48-57页 |
| ·特征筛选概述 | 第48-49页 |
| ·粗糙集理论 | 第49-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于优化支持向量机的滚动轴承故障模式识别方法研究 | 第58-68页 |
| ·概述 | 第58页 |
| ·基本理论 | 第58-62页 |
| ·支持向量机 | 第58-61页 |
| ·遗传算法 | 第61-62页 |
| ·基于遗传优化的SVM方法 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 基于云模型和改进D-S证据理论的滚动轴承故障诊断方法 | 第68-85页 |
| ·概述 | 第68页 |
| ·基本理论 | 第68-71页 |
| ·云模型 | 第68-70页 |
| ·D-S证据理论 | 第70-71页 |
| ·基于云模型与D-S证据理论的多源信息融合与模式识别方法 | 第71-77页 |
| ·故障诊断中的信息融合 | 第71-72页 |
| ·云模型建模 | 第72-73页 |
| ·隶属度计算 | 第73-74页 |
| ·融合证据计算 | 第74页 |
| ·融合决策 | 第74-77页 |
| ·实验研究 | 第77-84页 |
| ·本章小结 | 第84-85页 |
| 第7章 总结与展望 | 第85-88页 |
| ·论文研究工作总结 | 第85-86页 |
| ·研究展望 | 第86-88页 |
| 参考文献 | 第88-91页 |
| 攻读硕士学位期间发表的学术论文 | 第91-92页 |
| 致谢 | 第92页 |
