| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第14-15页 |
| 1 绪论 | 第15-20页 |
| 1.1 课题背景及研究意义 | 第15页 |
| 1.2 故障诊断方法及研究现状 | 第15-17页 |
| 1.3 煤矿主通风机故障诊断主要环节及研究现状 | 第17-18页 |
| 1.4 论文主要结构与内容 | 第18-20页 |
| 2 煤矿主通风机故障分析与振动数据采集 | 第20-26页 |
| 2.1 煤矿主通风机与轴承结构简介 | 第20-21页 |
| 2.2 煤矿主通风机常见故障 | 第21-22页 |
| 2.3 滚动轴承振动数据采集与处理 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于改进Hilbert-Huang变换的矿井主通风机振动数据特征提取 | 第26-49页 |
| 3.1 Hilbert-Huang变换的基本概念 | 第26-27页 |
| 3.2 Hilbert-Huang变换的基本原理 | 第27-29页 |
| 3.3 Hilbert-Huang变换存在的主要问题 | 第29-32页 |
| 3.4 改进Hilbert-Huang变换 | 第32-42页 |
| 3.5 基于改进HHT算法的煤矿主通风机振动信号分解 | 第42-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 基于QPSO-ELM算法的煤矿主通风机故障诊断 | 第49-66页 |
| 4.1 极限学习机 | 第49-52页 |
| 4.2 粒子群优化算法 | 第52-54页 |
| 4.3 量子行为粒子群优化算法 | 第54-58页 |
| 4.4 基于具有量子行为的粒子群优化的极限学习机 | 第58-60页 |
| 4.5 基于QPSO-ELM算法的煤矿通风机故障诊断 | 第60-65页 |
| 4.6 本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
