| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 滚动轴承故障特征提取的国内外研究现状 | 第9-10页 |
| 1.2.2 滚动轴承故障诊断的研究现状 | 第10-12页 |
| 1.2.3 滚动轴承剩余寿命预测的研究现状 | 第12-14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第二章 VMD方法的理论基础及参数寻优 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 变模态分解的理论基础 | 第16-18页 |
| 2.3 仿真信号对比分析 | 第18-21页 |
| 2.4 基于网格搜索VMD分解参数优化 | 第21-24页 |
| 2.4.1 网格搜索 | 第21-22页 |
| 2.4.2 参数优化实例 | 第22-24页 |
| 2.5 小结 | 第24-25页 |
| 第三章 基于VMD和熵值法的滚动轴承故障特征提取 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 特征参数的选取 | 第25-26页 |
| 3.3 熵值法的理论基础及原理 | 第26-28页 |
| 3.4 VMD分解信号及熵值法筛选最优共振频带 | 第28-33页 |
| 3.4.1 滚动轴承信号VMD分解参数网格搜索 | 第28-31页 |
| 3.4.2 熵值法筛选最优频带 | 第31-33页 |
| 3.5 小结 | 第33-34页 |
| 第四章 滚动轴承退化状态的分析 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 滚动轴承寿命数据的来源及相关分析 | 第34-37页 |
| 4.2.1 实验数据的来源 | 第34-36页 |
| 4.2.2 实验数据时间及工况的说明 | 第36-37页 |
| 4.3 滚动轴承剩余寿命的划分 | 第37-44页 |
| 4.3.1 引言 | 第37页 |
| 4.3.2 滚动轴承退化趋势划分 | 第37-40页 |
| 4.3.3 面向退化阶段划分的特征指标的筛选 | 第40-44页 |
| 4.4 小结 | 第44-45页 |
| 第五章 基于BP神经网络的滚动轴承寿命预测 | 第45-61页 |
| 5.1 引言 | 第45-46页 |
| 5.2 神经网络的基本原理及理论基础 | 第46-47页 |
| 5.3 BP神经网络的理论基础 | 第47-50页 |
| 5.4 基于BP神经网络轴承退化状态预测 | 第50-54页 |
| 5.4.1 轴承退化阶段划分及特征指标的确定 | 第50-51页 |
| 5.4.2 神经网络实施具体步骤及参数的设定方法 | 第51-52页 |
| 5.4.3 关于BP神经网络仿真实验 | 第52-54页 |
| 5.5 基于神经网络的滚动轴承剩余寿命的预测 | 第54-60页 |
| 5.5.1 滚动轴承剩余寿命的划分 | 第54-56页 |
| 5.5.2 神经网络各样本的处理及参数设置 | 第56页 |
| 5.5.3 基于BP神经网络对轴承剩余寿命的预测实验 | 第56-60页 |
| 5.6 小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间发表的论文及参与的课题 | 第67-68页 |
| 致谢 | 第68页 |