| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 机械故障诊断的背景和意义 | 第11-12页 |
| 1.2 机械故障诊断技术发展概况 | 第12-13页 |
| 1.3 机械故障诊断的内容 | 第13-15页 |
| 1.4 论文主要研究内容 | 第15-17页 |
| 第2章 基于EMD与Multi-EMD的故障信号分解 | 第17-30页 |
| 2.1 EMD理论研究分析 | 第17-21页 |
| 2.1.1 EMD算法概述 | 第17-18页 |
| 2.1.2 希尔伯特黄变换 | 第18-19页 |
| 2.1.3 筛选特征函数 | 第19-20页 |
| 2.1.4 EMD算法原理分析 | 第20-21页 |
| 2.2 EMD算法仿真验证 | 第21-23页 |
| 2.3 不均衡采样分析 | 第23-24页 |
| 2.4 Multi-EMD算法研究分析 | 第24-27页 |
| 2.4.1 多元EMD概述 | 第24-26页 |
| 2.4.2 Hammersley采样理论研究 | 第26页 |
| 2.4.3 基于Hammersley序列采样Multi-EMD算法步骤 | 第26-27页 |
| 2.4.4 迭代判停条件 | 第27页 |
| 2.5 基于EMD与Multi-EMD的故障信号分解算法验证 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 Multi-EMD算法和互近似熵的融合研究 | 第30-39页 |
| 3.1 几种熵的概述 | 第30-32页 |
| 3.1.1 信息熵算法研究概述 | 第30-31页 |
| 3.1.2 吉布斯熵算法研究概述 | 第31页 |
| 3.1.3 动力学熵算法研究概述 | 第31页 |
| 3.1.4 Renyi熵算法研究概述 | 第31-32页 |
| 3.2 互近似熵理论研究分析 | 第32-34页 |
| 3.3 Multi-EMD与互近似熵的融合仿真效果检验 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 模糊聚类方法及在故障信号分类中的应用 | 第39-48页 |
| 4.1 聚类基本理论概述 | 第39页 |
| 4.2 几种常用聚类算法 | 第39-45页 |
| 4.2.1 隶属度原则 | 第40-41页 |
| 4.2.2 K-均值聚类理论 | 第41-42页 |
| 4.2.3 模糊K均值聚类算法 | 第42-43页 |
| 4.2.4 Gustafson-Kessell聚类算法 | 第43-44页 |
| 4.2.5 Gath-Geva理论算法 | 第44-45页 |
| 4.3 基于互近似熵的模糊聚类效果检验 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 滚动轴承故障诊断实验分析 | 第48-66页 |
| 5.1 滚动轴承故障诊断实验数据 | 第48-49页 |
| 5.2 机械故障信号时频分析 | 第49-56页 |
| 5.2.1 不同类型故障时频分析 | 第49-52页 |
| 5.2.2 不同损伤程度故障信号时频分析 | 第52-54页 |
| 5.2.3 轴承不同位置故障诊断 | 第54-56页 |
| 5.3 基于互近似熵的IMF特征量化 | 第56-59页 |
| 5.4 基于GG聚类的不同位置故障诊断 | 第59-61页 |
| 5.5 故障诊断方法在宝钢数据中的研究应用 | 第61-64页 |
| 5.5.1 上海宝钢轧机系统介绍 | 第61-62页 |
| 5.5.2 故障诊断方法在宝钢数据的应用 | 第62-64页 |
| 5.6 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73页 |
