基于递归复杂网络的旋转机械故障识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 旋转机械故障诊断技术研究现状 | 第11-14页 |
| 1.2.1 旋转机械运行状态检测 | 第12页 |
| 1.2.2 旋转机械故障机理研究 | 第12-13页 |
| 1.2.3 旋转机械故障特征提取 | 第13-14页 |
| 1.2.4 旋转机械的故障识别 | 第14页 |
| 1.3 复杂网络的研究现状 | 第14-16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 第2章 复杂网络的统计特征及其构造 | 第18-28页 |
| 2.1 复杂网络的统计特征 | 第18-20页 |
| 2.1.1 平均路径长度 | 第18-19页 |
| 2.1.2 聚类系数 | 第19-20页 |
| 2.1.3 度与度分布 | 第20页 |
| 2.2 复杂网络的构造 | 第20-24页 |
| 2.2.1 可视图网络 | 第21-22页 |
| 2.2.2 相空间网络 | 第22-24页 |
| 2.3 相空间网络的构造参数 | 第24-27页 |
| 2.3.1 互信息法确定最佳延迟时间 | 第25页 |
| 2.3.2 Cao方法确定最佳嵌入维数 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 局部投影在振动信号消噪中的应用 | 第28-37页 |
| 3.1 局部投影算法基本原理 | 第28-29页 |
| 3.2 仿真信号消噪 | 第29-32页 |
| 3.3 实测滚动轴承振动信号消噪 | 第32-36页 |
| 3.3.1 实验数据分析 | 第33页 |
| 3.3.2 参数的选择 | 第33-35页 |
| 3.3.3 消噪信号功率谱分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于递归定量分析的滚动轴承故障识别方法 | 第37-51页 |
| 4.1 实验装备及数据采集 | 第37-40页 |
| 4.1.1 试验台组成 | 第37-39页 |
| 4.1.2 基于Lab VIEW的数据采集系统 | 第39-40页 |
| 4.2 递归图 | 第40-44页 |
| 4.2.1 递归图算法 | 第41页 |
| 4.2.2 仿真信号的递归图分析 | 第41-42页 |
| 4.2.3 实测信号的递归图分析 | 第42-44页 |
| 4.3 递归定量分析 | 第44-46页 |
| 4.3.1 递归定量特征 | 第44-45页 |
| 4.3.2 递归定量分析 | 第45-46页 |
| 4.4 故障识别 | 第46-50页 |
| 4.4.1 核模糊C均值聚类的原理 | 第46-48页 |
| 4.4.2 KFCM聚类结果 | 第48-49页 |
| 4.4.3 故障识别过程 | 第49-50页 |
| 4.4.4 故障识别结果 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 基于递归定量分析的液压泵故障识别方法 | 第51-62页 |
| 5.1 实验装备及数据采集 | 第51-56页 |
| 5.1.1 实验系统组成 | 第51-54页 |
| 5.1.2 基于Labview的数据采集系统 | 第54-55页 |
| 5.1.3 实验过程 | 第55-56页 |
| 5.2 递归图 | 第56-58页 |
| 5.3 递归定量分析 | 第58页 |
| 5.4 故障识别 | 第58-61页 |
| 5.4.1 故障识别过程 | 第59-61页 |
| 5.4.2 故障识别结果 | 第61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间承担的科研任务与主要研究成果 | 第68-69页 |
| 致谢 | 第69页 |
