| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-12页 |
| 1.3 滚动轴承故障诊断的研究现状 | 第12-14页 |
| 1.4 论文主要研究内容 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 滚动轴承的故障机理 | 第15-21页 |
| 2.1 滚动轴承的振动机理 | 第15-16页 |
| 2.2 滚动轴承的失效形式及其振动信号 | 第16-19页 |
| 2.2.1 滚动轴承的失效形式 | 第16-17页 |
| 2.2.2 失效滚动轴承的振动信号 | 第17-19页 |
| 2.3 滚动轴承的故障频率 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于EEMD的滚动轴承故障特征的提取 | 第21-28页 |
| 3.1 滚动轴承振动信号的主要分析方法 | 第21-22页 |
| 3.1.1 滚动轴承振动信号的时域分析法 | 第21页 |
| 3.1.2 滚动轴承振动信号的频域分析法 | 第21-22页 |
| 3.1.3 滚动轴承振动信号的时频分析法 | 第22页 |
| 3.2 EEMD的改进 | 第22-25页 |
| 3.2.1 EMD与EEMD基本理论 | 第22-24页 |
| 3.2.2 改进的EEMD方法 | 第24-25页 |
| 3.3 改进的EEMD方法提取滚动轴承的故障特征 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 基于免疫遗传与SOM的滚动轴承故障识别模型 | 第28-44页 |
| 4.1 神经网络概述 | 第28-29页 |
| 4.1.1 神经网络的基本理论 | 第28页 |
| 4.1.2 神经网络的结构与工作方式 | 第28-29页 |
| 4.2 基于SOM神经网络的滚动轴承故障状态识别 | 第29-34页 |
| 4.2.1 SOM神经网络基本理论 | 第29-30页 |
| 4.2.2 SOM神经网络网络的训练 | 第30-34页 |
| 4.3 基于SOM的滚动轴承故障状态识别 | 第34-35页 |
| 4.4 免疫遗传算法基本理论 | 第35-36页 |
| 4.5 免疫遗传算法优化SOM神经网络的模型 | 第36-43页 |
| 4.5.1 传统SOM神经网络的不足 | 第36-38页 |
| 4.5.2 SOM神经网络初始权值的优化 | 第38页 |
| 4.5.3 免疫遗传算法的实现 | 第38-42页 |
| 4.5.4 免疫遗传算法优化SOM神经网络权值训练过程 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 基于优化的SOM的滚动轴承的故障识别 | 第44-54页 |
| 5.1 实验方案的设计 | 第44-45页 |
| 5.2 滚动轴承故障特征的提取 | 第45-48页 |
| 5.3 IGA-SOM网络的训练 | 第48-52页 |
| 5.4 IGA-SOM网络对滚动轴承故障类型的识别 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第59-60页 |
| 致谢 | 第60-61页 |
