| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 车轮多边形的检测方法 | 第11-13页 |
| 1.2.2 振动信号的分析处理方法 | 第13-15页 |
| 1.2.3 车轮故障诊断方法研究 | 第15-16页 |
| 1.3 论文研究内容 | 第16-18页 |
| 第2章 车轮多边形及其振动信号分析方法 | 第18-28页 |
| 2.1 车轮多边形 | 第18-19页 |
| 2.2 经验模态分解方法 | 第19-24页 |
| 2.2.1 固有模态函数 | 第19-20页 |
| 2.2.2 经验模态分解原理 | 第20-22页 |
| 2.2.3 Hilbert变换 | 第22页 |
| 2.2.4 经验模态分解的主要问题 | 第22-24页 |
| 2.3 MEEMD方法 | 第24-27页 |
| 2.3.1 EEMD方法原理 | 第24页 |
| 2.3.2 MEEMD方法原理 | 第24-25页 |
| 2.3.3 仿真信号的分解 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 车轮多边形振动信号的采集及其分析处理 | 第28-36页 |
| 3.1 车轮多边形振动信号的采集方法 | 第28-30页 |
| 3.2 车轮振动信号的分解与分析 | 第30-35页 |
| 3.2.1 实验数据的MEEMD分解 | 第30-32页 |
| 3.2.2 包络谱分析 | 第32-34页 |
| 3.2.3 频谱分析 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于MEEMD和排列熵的车轮振动信号特征提取方法 | 第36-48页 |
| 4.1 车轮振动信号的主要IMF分量选取方法 | 第36-40页 |
| 4.1.1 主要IMF分量的选取方法 | 第36-38页 |
| 4.1.2 实验数据的主要IMF分量选取 | 第38-40页 |
| 4.2 多尺度排列熵算法及其参数选取 | 第40-43页 |
| 4.2.1 信息熵 | 第40页 |
| 4.2.2 排列熵 | 第40-41页 |
| 4.2.3 多尺度排列熵 | 第41-43页 |
| 4.2.4 多尺度排列熵参数的选取 | 第43页 |
| 4.3 车轮振动信号的多尺度排列熵特征提取方法 | 第43-46页 |
| 4.3.1 车轮振动信号的特征提取步骤 | 第43-44页 |
| 4.3.2 实验数据的特征提取分析 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 车轮多边形故障识别方法及其模型 | 第48-61页 |
| 5.1 支持向量机及其参数优化 | 第48-53页 |
| 5.1.1 支持向量机原理 | 第48-51页 |
| 5.1.2 基于遗传算法的SVM参数寻优 | 第51-53页 |
| 5.2 基于多尺度排列熵特征和GA-SVM的车轮多边形识别方法 | 第53-58页 |
| 5.2.1 车轮多边形识别方法流程 | 第53-54页 |
| 5.2.2 实验数据的识别分析 | 第54-57页 |
| 5.2.3 识别方法的比较分析 | 第57-58页 |
| 5.3 车轮多边形故障识别模型 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |