| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 旋转机械故障诊断的意义 | 第12-13页 |
| 1.2 旋转机械故障诊断技术研究现状 | 第13-17页 |
| 1.2.1 故障机理研究 | 第13页 |
| 1.2.2 故障信息的获取方法研究 | 第13-14页 |
| 1.2.3 信号处理及故障特征提取方法研究 | 第14-15页 |
| 1.2.4 模式识别方法研究 | 第15-16页 |
| 1.2.5 故障监测诊断系统的开发研究 | 第16-17页 |
| 1.3 时频分析方法研究现状 | 第17-22页 |
| 1.3.1 短时傅立叶变换 | 第17-18页 |
| 1.3.2 维格纳-威尔分布 | 第18页 |
| 1.3.3 小波分析 | 第18-19页 |
| 1.3.4 经验模态分解与 Hilbert-Huang 变换 | 第19-20页 |
| 1.3.5 局域均值分解 | 第20-21页 |
| 1.3.6 本征时间尺度分解方法 | 第21-22页 |
| 1.4 课题来源、研究内容和章节按排 | 第22-24页 |
| 1.4.1 课题来源 | 第22页 |
| 1.4.2 研究内容和章节安排 | 第22-24页 |
| 第二章 基于形态自相关与频率切片小波变换的方法及应用 | 第24-46页 |
| 2.1 频率切片小波变换原理 | 第25-27页 |
| 2.1.1 频率切片小波变换 | 第25页 |
| 2.1.2 尺度因子的选择 | 第25-26页 |
| 2.1.3 频率切片小波逆变换 | 第26-27页 |
| 2.2 形态滤波原理 | 第27-28页 |
| 2.2.1 数学形态学基本理论 | 第27页 |
| 2.2.2 形态滤波器 | 第27-28页 |
| 2.2.3 基于多结构元素差值形态滤波器 | 第28页 |
| 2.3 时延自相关降噪原理 | 第28页 |
| 2.4 基于形态自相关与 FSWT 的时频分析方法及其在轴承故障诊断中的应用 | 第28-40页 |
| 2.4.1 基于形态自相关与 FSWT 的时频分析方法的步骤 | 第28页 |
| 2.4.2 仿真信号分析 | 第28-33页 |
| 2.4.3 在轴承故障诊断中的应用 | 第33-40页 |
| 2.5 基于自相关与 FSWT 的时频分析方法及其在齿轮故障诊断中的应用 | 第40-45页 |
| 2.5.1 基于自相关与 FSWT 的时频分析方法的原理 | 第40-41页 |
| 2.5.2 齿轮故障诊断实例 | 第41-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第三章 基于局域均值分解的故障诊断方法及应用 | 第46-69页 |
| 3.1 LMD 理论 | 第46-47页 |
| 3.2 基于 LMD 和 1.5 维谱的机械故障诊断方法 | 第47-55页 |
| 3.2.1 1.5 维谱基本原理 | 第47-50页 |
| 3.2.2 在滚动轴承故障特征提取中的应用 | 第50-53页 |
| 3.2.3 在齿轮故障特征提取中的应用 | 第53-55页 |
| 3.3 基于 B 样条函数插值的 LMD 方法及应用 | 第55-68页 |
| 3.3.1 基于 B 样条函数插值的 LMD 方法的原理 | 第55-58页 |
| 3.3.2 基于 BLMD 的时频分析方法 | 第58-61页 |
| 3.3.3 基于 BLMD 与倒双谱的旋转机械故障诊断方法 | 第61-68页 |
| 3.4 本章小结 | 第68-69页 |
| 第四章 基于改进的本征时间尺度分解方法及其应用 | 第69-97页 |
| 4.1 ITD 方法的原理 | 第69-71页 |
| 4.2 BITD 方法的原理 | 第71-72页 |
| 4.3 基于 BITD 的局部能量谱方法及应用 | 第72-78页 |
| 4.3.1 基于 BITD 的局部能量谱方法的原理 | 第72-73页 |
| 4.3.2 在轴承故障特征提取中的应用 | 第73-76页 |
| 4.3.3 在齿轮故障特征提取中的应用 | 第76-78页 |
| 4.4 基于 BITD、谱峭度与同态滤波的轴承故障诊断方法与应用 | 第78-84页 |
| 4.4.1 谱峭度原理 | 第78页 |
| 4.4.2 基于 BITD、谱峭度法和同态滤波解调的轴承故障诊断方法的步骤 | 第78-82页 |
| 4.4.3 轴承故障诊断实例 | 第82-84页 |
| 4.5 基于 BITD 与同态滤波的齿轮故障诊断方法 | 第84-88页 |
| 4.5.1 同态滤波基本原理 | 第84-85页 |
| 4.5.2 基于 BITD 和同态滤波解调的诊断方法的步骤 | 第85页 |
| 4.5.3 齿轮故障仿真信号分析 | 第85-87页 |
| 4.5.4 齿轮故障诊断实例 | 第87-88页 |
| 4.6 基于 BITD、Teager 能量算子和对角切片谱的轴承故障诊断方法及应用 | 第88-96页 |
| 4.6.1 Teager 能量算子的基本原理 | 第89-90页 |
| 4.6.2 对角切片谱的基本原理 | 第90-91页 |
| 4.6.3 样本熵原理 | 第91页 |
| 4.6.4 基于 BITD、能量算子和对角切片谱的诊断方法计算步骤 | 第91-92页 |
| 4.6.5 轴承故障仿真信号分析 | 第92-94页 |
| 4.6.6 发电机滚动轴承故障诊断实例 | 第94-96页 |
| 4.7 本章小结 | 第96-97页 |
| 第五章 基于随机共振消噪与阈值消噪的 BITD 特征提取技术 | 第97-113页 |
| 5.1 基于随机共振降噪与 BITD 的轴承故障诊断方法 | 第97-102页 |
| 5.1.1 随机共振机理 | 第98-99页 |
| 5.1.2 基于随机共振降噪与 BITD 的轴承故障诊断方法 | 第99-102页 |
| 5.2 基于 BITD 阈值消噪的轴承故障诊断方法及应用 | 第102-112页 |
| 5.2.1 基于 BITD 消噪中的阈值的选择 | 第102-104页 |
| 5.2.2 基于 BITD 阈值降噪的滚动轴承诊断方法的步骤 | 第104页 |
| 5.2.3 轴承仿真信号分析 | 第104-106页 |
| 5.2.4 滚动轴承诊断实例 | 第106-112页 |
| 5.3 本章小结 | 第112-113页 |
| 第六章 基于 BITD 和支持向量机的故障诊断方法及应用 | 第113-123页 |
| 6.1 支持向量机(SVM)理论 | 第113-114页 |
| 6.2 基于 BITD 和排列熵的滚动轴承故障诊断方法 | 第114-118页 |
| 6.2.1 排列熵的算法 | 第115页 |
| 6.2.2 基于 BITD、排列熵和 SVM 的故障诊断方法流程 | 第115-116页 |
| 6.2.3 实验数据分析 | 第116-118页 |
| 6.3 基于 BITD 和基本尺度熵的齿轮故障诊断方法 | 第118-122页 |
| 6.3.1 基本尺度熵的基本原理 | 第118-119页 |
| 6.3.2 基于 BITD、SVM 和基本尺度熵的诊断方法流程 | 第119-122页 |
| 6.4 本章小结 | 第122-123页 |
| 第七章 结论与展望 | 第123-125页 |
| 7.1 结论 | 第123-124页 |
| 7.2 展望 | 第124-125页 |
| 参考文献 | 第125-136页 |
| 致谢 | 第136-137页 |
| 附录 | 第137-138页 |
