| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究的背景及意义 | 第10-11页 |
| 1.2 滚动轴承性能退化趋势预测的国内外研究现状 | 第11-15页 |
| 1.2.1 信号降噪预处理方法研究现状 | 第11-12页 |
| 1.2.2 性能退化指标建立的研究现状 | 第12-13页 |
| 1.2.3 性能退化趋势预测模型研究现状 | 第13-14页 |
| 1.2.4 目前研究中存在的问题与不足 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 第2章 滚动轴承振动信号降噪预处理 | 第16-30页 |
| 2.1 广义形态学基本原理 | 第16-17页 |
| 2.2 基于粒子群优化的广义形态学降噪预处理模型构建 | 第17-22页 |
| 2.2.1 自适应结构元素建立 | 第17-19页 |
| 2.2.2 粒子群算法基本原理及改进 | 第19-21页 |
| 2.2.3 基于改进粒子群算法的广义形态学降噪预处理模型建立 | 第21-22页 |
| 2.3 基于EEMD-改进广义形态学的组合降噪预处理方法 | 第22-24页 |
| 2.3.1 EEMD基本原理 | 第22-23页 |
| 2.3.2 基于EEMD-改进广义形态学的组合降噪预处理方法 | 第23-24页 |
| 2.4 仿真分析 | 第24-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于MK-KPCA滚动轴承性能退化指标建立 | 第30-44页 |
| 3.1 时域、频域及时频域特征指标 | 第30-33页 |
| 3.1.1 时域特征指标 | 第30-31页 |
| 3.1.2 频域特征指标 | 第31-32页 |
| 3.1.3 时频域特征指标 | 第32-33页 |
| 3.2 性能退化指标的建立 | 第33-38页 |
| 3.2.1 主成分分析法 | 第33-34页 |
| 3.2.2 核主成分分析法 | 第34-36页 |
| 3.2.3 基于MK-KPCA的滚动轴承性能退化指标构建 | 第36-38页 |
| 3.3 实验验证 | 第38-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于IGWO-MKHSVM的滚动轴承性能退化趋势预测 | 第44-57页 |
| 4.1 超球体支持向量机基本原理及改进 | 第44-46页 |
| 4.1.1 超球体支持向量机基本理论 | 第44-45页 |
| 4.1.2 超球体支持向量机模型的多核优化 | 第45-46页 |
| 4.2 灰狼优化算法的原理及改进 | 第46-52页 |
| 4.2.1 灰狼优化算法基本原理 | 第46-49页 |
| 4.2.2 改进的GWO(IGWO)算法 | 第49-50页 |
| 4.2.3 IGWO-MKHSVM预测模型的建立 | 第50-52页 |
| 4.3 滚动轴承性能退化趋势预测总体流程 | 第52-53页 |
| 4.4 实验验证 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 滚动轴承性能退化趋势预测系统开发 | 第57-66页 |
| 5.1 系统功能需求 | 第57-58页 |
| 5.2 系统结构设计 | 第58-59页 |
| 5.3 系统运行实例 | 第59-65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的学术成果 | 第71-72页 |
| 致谢 | 第72页 |
