| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景与意义 | 第9-11页 |
| 1.3 旋转机械故障方法国内外研究现状 | 第11-15页 |
| 1.3.1 旋转机械故障诊断方法研究现状 | 第11-12页 |
| 1.3.2 变转速旋转机械故障诊断方法研究现状 | 第12-15页 |
| 1.4 论文的主要工作和研究安排 | 第15-17页 |
| 2 旋转机械转速曲线计算方法研究 | 第17-35页 |
| 2.1 基于转速脉冲信号的转速计算方法研究 | 第17-23页 |
| 2.1.1 转速脉冲阈值时刻的确定 | 第18-19页 |
| 2.1.2 基于一阶数值微分的转速曲线计算方法 | 第19-21页 |
| 2.1.3 基于最小二乘五点三次的转速曲线平滑方法 | 第21-22页 |
| 2.1.4 算法实例验证 | 第22-23页 |
| 2.2 基于时频融合的无转速计转速曲线计算方法 | 第23-33页 |
| 2.2.1 瞬时频率的定义 | 第23-24页 |
| 2.2.2 基于时频融合的瞬时频率估计 | 第24-27页 |
| 2.2.3 算法验证 | 第27-33页 |
| 2.3 本章小结 | 第33-35页 |
| 3 基于阶比重采样和流形学习的旋转机械故障诊断方法研究 | 第35-51页 |
| 3.1 阶比重采样 | 第35-39页 |
| 3.1.1 抗混叠滤波截止频率与采样阶比的确定 | 第36页 |
| 3.1.2 重采样时刻的确定 | 第36-37页 |
| 3.1.3 角域重采样 | 第37-38页 |
| 3.1.4 无转速计阶比重采样研究 | 第38-39页 |
| 3.2 基于阶比重采样和流形学习的变转速旋转机械故障诊断 | 第39-49页 |
| 3.2.1 高维统计特征集的选取 | 第39-41页 |
| 3.2.2 流形学习特征约简算法 | 第41-43页 |
| 3.2.3 基于流形学习的变转速旋转机械故障识别 | 第43-44页 |
| 3.2.4 实例验证 | 第44-49页 |
| 3.3 本章总结 | 第49-51页 |
| 4 基于阶比分量融合的全息瀑布转子系统故障诊断方法 | 第51-65页 |
| 4.1 Vold-Kalman阶比分量的提取 | 第51-55页 |
| 4.1.1 基于角位移的振动信号模型 | 第51-53页 |
| 4.1.2 多个阶比分量的提取 | 第53-55页 |
| 4.2 全息瀑布 | 第55-59页 |
| 4.2.1 全息谱参数计算 | 第56-58页 |
| 4.2.2 全息瀑布 | 第58-59页 |
| 4.2.3 基于阶比分量融合的全息瀑布转子系统故障诊断方法 | 第59页 |
| 4.3 实验验证 | 第59-62页 |
| 4.4 本章小结 | 第62-65页 |
| 5 基于阶比分析的旋转机械故障诊断系统设计 | 第65-81页 |
| 5.1 软件需求分析与总计设计 | 第65-68页 |
| 5.1.1 需求分析 | 第65页 |
| 5.1.2 总体方案设计 | 第65-66页 |
| 5.1.3 硬件的选择 | 第66-68页 |
| 5.2 系统软件设计 | 第68-76页 |
| 5.2.1 数据采集模块 | 第68-69页 |
| 5.2.2 阶比分析模块 | 第69-73页 |
| 5.2.3 基于阶比重采样的旋转机械故障诊断模块 | 第73-75页 |
| 5.2.4 全息谱诊断模块 | 第75-76页 |
| 5.3 应用实例 | 第76-80页 |
| 5.3.1 基于阶比重采样的平行齿轮箱故障诊断 | 第76-78页 |
| 5.3.2 基于阶比分量融合的全息瀑布转子系统故障诊断 | 第78-80页 |
| 5.4 本章小结 | 第80-81页 |
| 6 结论与展望 | 第81-83页 |
| 6.1 结论 | 第81页 |
| 6.2 展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 附录 | 第91页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第91页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第91页 |
