| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究目的及意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 设备故障预测方法研究现状 | 第11-13页 |
| 1.3.2 主成分分析研究现状 | 第13-14页 |
| 1.3.3 同源信息融合技术研究现状 | 第14-16页 |
| 1.4 本文主要内容与结构安排 | 第16-17页 |
| 2 全矢VMD滚动轴承故障特征提取方法研究 | 第17-37页 |
| 2.1 引言 | 第17-18页 |
| 2.2 VMD理论及仿真分析 | 第18-23页 |
| 2.2.1 VMD基本原理 | 第18-20页 |
| 2.2.2 VMD算法 | 第20-21页 |
| 2.2.3 VMD仿真信号分析 | 第21-23页 |
| 2.3 全矢谱算法 | 第23-32页 |
| 2.3.1 基本理论 | 第23-27页 |
| 2.3.2 数值算法 | 第27-29页 |
| 2.3.3 应用实例 | 第29-32页 |
| 2.4 全矢VMD方法流程及实例分析 | 第32-35页 |
| 2.4.1 方法流程 | 第32页 |
| 2.4.2 仿真分析 | 第32-35页 |
| 2.5 本章小结 | 第35-37页 |
| 3 全矢KPCA滚动轴承故障监测模型研究 | 第37-48页 |
| 3.1 引言 | 第37页 |
| 3.2 基于核主成分分析(KPCA)的过程监控方法 | 第37-43页 |
| 3.2.1 主成分分析(PCA) | 第37-41页 |
| 3.2.2 核主成分分析(KPCA) | 第41-42页 |
| 3.2.3 KPCA故障监测原理 | 第42-43页 |
| 3.3 全矢VMD-KPCA故障诊断方法流程 | 第43页 |
| 3.4 全矢KPCA滚动轴承故障监测实验及结果分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 全矢KPCA-AR滚动轴承故障预测模型研究 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 AR模型的构建 | 第48-55页 |
| 4.2.1 AR(n)模型 | 第49页 |
| 4.2.2 数据的预处理 | 第49-50页 |
| 4.2.3 模型的定阶 | 第50-51页 |
| 4.2.4 模型参数估计 | 第51-54页 |
| 4.2.5 评价指标 | 第54-55页 |
| 4.2.6 构建AR预测模型 | 第55页 |
| 4.3 全矢-AR滚动轴承故障预测方法流程 | 第55-56页 |
| 4.4 实验及结果分析 | 第56-61页 |
| 4.4.1 全矢KPCA监控模型的建立 | 第56-58页 |
| 4.4.2 AR预测模型的建立 | 第58页 |
| 4.4.3 故障预测 | 第58-60页 |
| 4.4.4 全矢Hilbert故障诊断 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 结论与展望 | 第62-64页 |
| 5.1 本文工作总结 | 第62-63页 |
| 5.2 课题研究的创新点 | 第63页 |
| 5.3 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第69页 |