| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景和研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 轴承故障诊断技术的研究概况 | 第9-10页 |
| 1.2.2 二维经验模态分解(BEMD)技术的研究现状 | 第10-11页 |
| 1.2.3 神经网络技术和支持向量机的研究现状 | 第11-12页 |
| 1.2.4 非线性信号处理技术的研究现状 | 第12-13页 |
| 1.3 论文研究内容及创新点 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 主要创新点 | 第14-15页 |
| 第二章 滚动轴承的故障机理与特征 | 第15-19页 |
| 2.1 滚动轴承的故障机理 | 第15-16页 |
| 2.2 滚动轴承故障特征分析 | 第16-19页 |
| 第三章 基于BEMD与能量算子的滚动轴承故障诊断 | 第19-33页 |
| 3.1 二维经验模态分解 | 第20-22页 |
| 3.1.1 二维经验模态的分解过程 | 第20-21页 |
| 3.1.2 能量算子包络解调调原理 | 第21-22页 |
| 3.2 轴承故障仿真信号 | 第22-26页 |
| 3.3 实测轴承信号 | 第26-32页 |
| 3.3.1 轴承外圈故障实验 | 第26-29页 |
| 3.3.2 轴承内圈故障实验 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 滚动轴承数据采集实验 | 第33-38页 |
| 4.1 实验设计 | 第33-34页 |
| 4.2 实验平台信号采集及故障诊断系统 | 第34-37页 |
| 4.3 实验步骤及遇到的问题 | 第37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 基于BEMD相对能量的滚动轴承故障诊断 | 第38-60页 |
| 5.1 相对BEMD能量的特征提取 | 第38-39页 |
| 5.2 支持向量机 | 第39-54页 |
| 5.2.1 支持向量机的原理 | 第39-42页 |
| 5.2.2 支持向量机模型的建立 | 第42页 |
| 5.2.3 关于SVMTRAIN模型参数的选择 | 第42页 |
| 5.2.4 基于BEMD相对能量的SVM实例应用 | 第42-54页 |
| 5.3 SOM神经网络 | 第54-59页 |
| 5.3.1 SOM神经网络学习算法 | 第54-55页 |
| 5.3.2 SOM神经网络的故障诊断步骤 | 第55-56页 |
| 5.3.3 基于BEMD相对能量的SOM实例应用 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 基于BEMD和混沌振子的滚动轴承早期故障检测 | 第60-74页 |
| 6.1 Duffing检测微弱周期信号的原理 | 第60-69页 |
| 6.1.1 相图轨迹检测的仿真分析 | 第61-63页 |
| 6.1.2 影响Duffing振子检测的因素 | 第63-66页 |
| 6.1.3 李雅普诺夫指数检测的仿真分析 | 第66-69页 |
| 6.2 基于BEMD和Duffing振子的滚动轴承的早期故障诊断 | 第69-73页 |
| 6.3 本章小结 | 第73-74页 |
| 第七章 结论与展望 | 第74-76页 |
| 7.1 主要研究工作与结论 | 第74-75页 |
| 7.2 研究工作展望 | 第75-76页 |
| 参考 文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第81页 |
