| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 滚动轴承故障诊断技术发展状况 | 第13-14页 |
| 1.3 滚动轴承故障诊断研究现状与发展趋势 | 第14-21页 |
| 1.3.1 基于现代信号处理方法的滚动轴承故障诊断研究 | 第14-19页 |
| 1.3.2 智能故障诊断 | 第19-21页 |
| 1.4 本文主要研究内容及安排 | 第21-24页 |
| 第二章 滚动轴承振动机理及故障特征分析 | 第24-32页 |
| 2.1 概述 | 第24页 |
| 2.2 滚动轴承失效表现形式 | 第24-25页 |
| 2.3 滚动轴承的振动机理 | 第25-26页 |
| 2.4 滚动轴承振动诊断的故障特征分析 | 第26-30页 |
| 2.4.1 低频诊断的理论特征频率计算 | 第27-28页 |
| 2.4.2 高频诊断的固有振动频率计算 | 第28页 |
| 2.4.3 滚动轴承故障时的振动特性 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 非平稳信号的时频分析方法 | 第32-50页 |
| 3.1 概述 | 第32页 |
| 3.2 短时傅里叶变换 | 第32-35页 |
| 3.2.1 短时傅里叶变换的缺陷 | 第33页 |
| 3.2.2 短时傅里叶变换的仿真应用 | 第33-35页 |
| 3.3 Wigner-Ville分布 | 第35-37页 |
| 3.3.1 伪Wigner-Ville分布仿真应用 | 第36-37页 |
| 3.3.2 平滑伪Wigner-Ville分布仿真应用 | 第37页 |
| 3.4 小波变换 | 第37-42页 |
| 3.4.1 小波包分解和重构原理 | 第38-39页 |
| 3.4.2 Hilbert算子包络解调原理 | 第39-40页 |
| 3.4.3 基于小波包和Hilbert包络谱的滚动轴承故障诊断 | 第40-42页 |
| 3.5 Hilbert-Huang变换 | 第42-49页 |
| 3.5.1 经验模式分解(EMD)方法与Hilbert变换 | 第42-44页 |
| 3.5.2 HHT算法的不足 | 第44-45页 |
| 3.5.3 基于Hilbert-Huang变换的滚动轴承故障诊断 | 第45-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 局部均值分解时频分析方法 | 第50-68页 |
| 4.1 局部均值分解概述 | 第50页 |
| 4.2 LMD时频分析方法 | 第50-58页 |
| 4.2.1 LMD分解原理及算法计算过程 | 第50-54页 |
| 4.2.2 局部均值分解方法计算实例 | 第54-55页 |
| 4.2.3 直接法求取瞬时频率 | 第55-58页 |
| 4.3 LMD方法与EMD方法的比较 | 第58页 |
| 4.4 LMD时频分析方法的仿真应用 | 第58-62页 |
| 4.5 基于LMD方法的滚动轴承故障诊断 | 第62-64页 |
| 4.6 总体局部均值分解(ELMD) | 第64-66页 |
| 4.7 LMD与ELMD分解仿真对比研究 | 第66-67页 |
| 4.8 本章小结 | 第67-68页 |
| 第五章 基于ELMD和神经网络的滚动轴承故障诊断 | 第68-78页 |
| 5.1 神经网络概述 | 第68页 |
| 5.2 人工神经网络特点 | 第68-69页 |
| 5.3 BP神经网络结构及其学习算法 | 第69-73页 |
| 5.3.1 BP神经网络结构 | 第69-71页 |
| 5.3.2 BP神经网络学习算法 | 第71-73页 |
| 5.4 BP神经网络的设计 | 第73-74页 |
| 5.5 基于ELMD和神经网络的滚动轴承故障诊断 | 第74-75页 |
| 5.6 实例分析 | 第75-76页 |
| 5.7 本章小结 | 第76-78页 |
| 第六章 基于ELMD和最小二乘支持向量机的滚动轴承故障诊断 | 第78-88页 |
| 6.1 支持向量机概述 | 第78-79页 |
| 6.2 支持向量机理论 | 第79-80页 |
| 6.2.1 支持向量机 | 第79页 |
| 6.2.2 支持向量机的特点 | 第79-80页 |
| 6.3 最小二乘支持向量机的分类原理 | 第80-82页 |
| 6.4 多分类的支持向量机 | 第82-84页 |
| 6.4.1 一对多分类算法 | 第82-83页 |
| 6.4.2 一对一分类算法 | 第83-84页 |
| 6.5 基于ELMD与最小二乘支持向量机的滚动轴承故障诊断 | 第84-85页 |
| 6.6 实例分析 | 第85-86页 |
| 6.7 本章小结 | 第86-88页 |
| 第七章 结论与展望 | 第88-90页 |
| 7.1 结论 | 第88-89页 |
| 7.2 展望 | 第89-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-98页 |
| 附录 | 第98-99页 |
| A. 申请人在攻读硕士学位期间发表的学术论文 | 第98页 |
| B. 申请人在攻读硕士学位期间获得的软件著作权 | 第98-99页 |
| C. 申请人在攻读硕士学位期间获得的专利 | 第99页 |
| D. 申请人在攻读硕士学位期间获得的奖励 | 第99页 |
