| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 论文的研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 机车走行部滚动轴承故障诊断的国外研究现状 | 第12-13页 |
| 1.2.2 机车走行部滚动轴承故障诊断的国内研究现状 | 第13-14页 |
| 1.2.3 研究现状总结 | 第14-15页 |
| 1.3 论文的研究意义和内容 | 第15-16页 |
| 1.3.1 本论文的课题来源 | 第15页 |
| 1.3.2 本论文的研究目的意义 | 第15-16页 |
| 1.3.3 本论文的主要研究内容 | 第16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 机车走行部滚动轴承故障特征提取方法研究 | 第17-38页 |
| 2.1 引言 | 第17页 |
| 2.2 机车走行部滚动轴承振动机理及信号特征分析 | 第17-19页 |
| 2.2.1 机车走行部滚动轴承的振动机理 | 第17-18页 |
| 2.2.2 机车走行部滚动轴承振动信号特征分析 | 第18-19页 |
| 2.3 机车走行部滚动轴承故障信号常用分析方法 | 第19-23页 |
| 2.4 基于小波分析的故障特征向量获取方法 | 第23-25页 |
| 2.4.1 基于小波分析的降噪原理及过程 | 第23页 |
| 2.4.2 基于小波分析的能量特征向量获取 | 第23-25页 |
| 2.5 基于主成分分析的故障特征提取方法 | 第25-28页 |
| 2.5.1 主成分分析的数学表达 | 第25-26页 |
| 2.5.2 最优主成分数的确定 | 第26-27页 |
| 2.5.3 基于主成分分析的故障特征提取方法 | 第27-28页 |
| 2.6 机车走行部滚动轴承故障特征提取结果分析 | 第28-37页 |
| 2.6.1 降噪处理结果分析 | 第28-31页 |
| 2.6.2 能量特征向量获取结果 | 第31-34页 |
| 2.6.3 故障特征主成分提取结果分析 | 第34-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 机车走行部滚动轴承故障诊断方法研究 | 第38-48页 |
| 3.1 引言 | 第38页 |
| 3.2 最小二乘支持向量机分类算法 | 第38-39页 |
| 3.3 最小二乘支持向量机多分类器 | 第39-40页 |
| 3.4 最小二乘支持向量机核函数及其选择 | 第40页 |
| 3.5 最小二乘支持向量机模型参数优化 | 第40-42页 |
| 3.6 基于最小二乘支持向量机的机车走行部滚动轴承故障诊断模型构建 | 第42-43页 |
| 3.7 机车走行部滚动轴承故障诊断模型仿真结果与分析 | 第43-47页 |
| 3.7.1 仿真结果分析 | 第43-46页 |
| 3.7.2 对比结果分析 | 第46-47页 |
| 3.8 本章小结 | 第47-48页 |
| 第四章 机车走行部滚动轴承远程故障诊断系统设计 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 系统总体结构设计 | 第48-50页 |
| 4.3 车载子系统 | 第50-52页 |
| 4.3.1 车载子系统硬件连接设计 | 第50-51页 |
| 4.3.2 车载子系统数据采集与故障预警 | 第51-52页 |
| 4.4 基于B/S架构的远程故障诊断系统设计 | 第52-58页 |
| 4.4.1 系统软件结构 | 第52-54页 |
| 4.4.2 系统功能模块设计 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第67页 |
