| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景和目的意义 | 第8-9页 |
| ·研究背景 | 第8页 |
| ·研究目的意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·基于振动信号分析的滚动轴承故障诊断研究概况 | 第9-10页 |
| ·故障特征提取技术的研究现状 | 第10-11页 |
| ·时频分析法在滚动轴承故障诊断中的应用 | 第11-12页 |
| ·滚动轴承故障诊断的研究现状 | 第12-13页 |
| ·论文的研究内容 | 第13-15页 |
| 第二章 滚动轴承故障机理与振动信号采集系统 | 第15-23页 |
| ·滚动轴承振动信号的特征分析 | 第15-18页 |
| ·滚动轴承种类 | 第15页 |
| ·滚动轴承组成部件及几何结构 | 第15-16页 |
| ·滚动轴承故障模型 | 第16-17页 |
| ·滚动轴承的基本故障频率 | 第17-18页 |
| ·滚动轴承振动试验系统 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于EMD和AR模型的滚动轴承故障特征提取 | 第23-39页 |
| ·EMD分析和相关分析 | 第23-29页 |
| ·EMD分解 | 第23-26页 |
| ·相关分析 | 第26-27页 |
| ·仿真信号分析 | 第27-29页 |
| ·自回归参数模型 | 第29-32页 |
| ·自回归模型的参数估计 | 第29-32页 |
| ·自回归模型的阶次确定 | 第32页 |
| ·基于EMD AR模型的滚动轴承故障特征提取方法 | 第32-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于WPD和AR模型的滚动轴承故障特征提取 | 第39-53页 |
| ·小波包自回归参数模型 | 第39-46页 |
| ·小波包变换 | 第39-41页 |
| ·小波包自回归参数模型 | 第41-42页 |
| ·基于小波包自回归参数模型的故障特征提取方法 | 第42-46页 |
| ·小波包时变自回归参数模型 | 第46-52页 |
| ·小波包时变自回归参数模型 | 第47-49页 |
| ·基于小波包时变自回归参数模型的故障特征提取方法 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于支持向量机的滚动轴承故障诊断 | 第53-64页 |
| ·支持向量机基本理论 | 第53-57页 |
| ·SVM分类原理 | 第53-56页 |
| ·SVM多类分类器 | 第56-57页 |
| ·基于支持向量机的滚动轴承故障诊断方法 | 第57-58页 |
| ·实验仿真 | 第58-63页 |
| ·实验数据 | 第58-59页 |
| ·基于支持向量机的诊断结果及分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-66页 |
| ·结论 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要的研究成果 | 第73页 |