| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 故障诊断技术的国内外发展现状 | 第11-13页 |
| 1.2.1 国外发展现状 | 第11-12页 |
| 1.2.2 国内发展现状 | 第12-13页 |
| 1.3 振动信号处理方法研究 | 第13-15页 |
| 1.3.1 时域信号分析技术 | 第13页 |
| 1.3.2 频域信号分析技术 | 第13-14页 |
| 1.3.3 时频联合分析方法 | 第14-15页 |
| 1.4 论文主要内容及章节安排 | 第15-17页 |
| 第2章 滚动轴承的故障机理研究 | 第17-27页 |
| 2.1 滚动轴承的结构 | 第17页 |
| 2.2 滚动轴承的主要失效形式 | 第17-19页 |
| 2.3 滚动轴承的振动机理 | 第19-23页 |
| 2.3.1 滚动轴承的固有振动频率 | 第19-20页 |
| 2.3.2 滚动轴承的振动机理 | 第20-21页 |
| 2.3.3 滚动轴承的故障特征频率 | 第21-23页 |
| 2.4 滚动轴承典型故障的振动特性 | 第23-26页 |
| 2.4.1 内圈损伤时的振动特性 | 第23-24页 |
| 2.4.2 外圈损伤时的振动特性 | 第24-25页 |
| 2.4.3 滚动体损伤时的振动特性 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 改进的EWT方法在滚动轴承故障诊断中的应用 | 第27-37页 |
| 3.1 经验小波变换理论 | 第27-29页 |
| 3.1.1 EWT理论 | 第27-28页 |
| 3.1.2 EWT频带划分方法 | 第28-29页 |
| 3.2 尺度空间理论 | 第29-30页 |
| 3.3 改进的EWT方法 | 第30-36页 |
| 3.3.1 方法流程 | 第30-32页 |
| 3.3.2 实例信号对比 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 统计学习理论与支持向量机 | 第37-49页 |
| 4.1 统计学习理论 | 第37-40页 |
| 4.1.1 VC维理论 | 第37页 |
| 4.1.2 学习问题的表示 | 第37-38页 |
| 4.1.3 经验风险最小化原则 | 第38页 |
| 4.1.4 推广性的界 | 第38-39页 |
| 4.1.5 结构风险最小化原则 | 第39-40页 |
| 4.2 二分类的支持向量机 | 第40-46页 |
| 4.2.1 线性支持向量机 | 第40-44页 |
| 4.2.2 非线性支持向量机 | 第44-46页 |
| 4.3 多分类的支持向量机 | 第46-48页 |
| 4.4 基于支持向量机的滚动轴承故障诊断方法 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 基于ESEWT和SVM的滚动轴承故障诊断方法 | 第49-63页 |
| 5.1 特征向量的选取 | 第49-53页 |
| 5.2 基于ESEWT和SVM的滚动轴承故障诊断方法 | 第53-54页 |
| 5.3 基于ESEWT和SVM的轴承故障实例分析 | 第54-62页 |
| 5.3.1 滚动轴承故障实验简介 | 第54-56页 |
| 5.3.2 试验数据分析 | 第56-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63页 |
| 6.2 研究展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间发表论文情况 | 第70页 |
