| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 轴承故障诊断的研究背景与意义 | 第12-13页 |
| 1.2 轴承故障诊断发展概述 | 第13-16页 |
| 1.2.1 轴承故障诊断技术的研究现状 | 第13-15页 |
| 1.2.2 轴承故障诊断技术的发展趋势 | 第15-16页 |
| 1.3 BP神经网络在故障诊断中的应用 | 第16-17页 |
| 1.4 D-S证据理论在故障诊断中的应用 | 第17-18页 |
| 1.5 本文的主要研究内容 | 第18-20页 |
| 第二章 滚动轴承的故障诊断研究 | 第20-28页 |
| 2.1 滚动轴承的故障诊断研究 | 第20-23页 |
| 2.1.1 故障类型 | 第21页 |
| 2.1.2 故障机理 | 第21-23页 |
| 2.1.3 振动特性 | 第23页 |
| 2.2 滚动轴承单点损伤故障诊断理论模型 | 第23-27页 |
| 2.2.1 内圈单点损伤理论模型 | 第23-25页 |
| 2.2.2 外圈单点损伤理论模型 | 第25-26页 |
| 2.2.3 滚珠单点损伤理论模型 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 小波包分析的基本理论 | 第28-36页 |
| 3.1 小波包分析概述 | 第28页 |
| 3.2 多分辨率分析和Mallat算法 | 第28-30页 |
| 3.2.1 多分辨分析 | 第28-29页 |
| 3.2.2 Mallat算法 | 第29-30页 |
| 3.3 小波包变换 | 第30-34页 |
| 3.3.1 小波函数 | 第30-31页 |
| 3.3.2 连续小波变换 | 第31-32页 |
| 3.3.3 离散小波变换 | 第32-33页 |
| 3.3.4 小波包分析 | 第33-34页 |
| 3.4 小波包分析在滤波方面的应用 | 第34页 |
| 3.5 小波包分析在消噪方面的应用 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 D-S证据理论信息融合方法 | 第36-42页 |
| 4.1 D-S证据理论的起源 | 第36页 |
| 4.2 证据理论的基本概念 | 第36-39页 |
| 4.2.1 识别框架 | 第37页 |
| 4.2.2 基本概率赋值 | 第37-38页 |
| 4.2.3 置信函数 | 第38页 |
| 4.2.4 似然函数 | 第38页 |
| 4.2.5 置信度区间 | 第38-39页 |
| 4.2.6 基本概率赋值函数与置信函数的关系 | 第39页 |
| 4.3 证据理论的组合规则 | 第39-40页 |
| 4.4 实际应用中置信函数的获取 | 第40-41页 |
| 4.5 证据理论的发展 | 第41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 基于BP神经网络与D-S证据理论时频域特征融合的轴承故障诊断方法 | 第42-57页 |
| 5.1 基于小波包时域故障诊断方法 | 第42-49页 |
| 5.1.1 小波包分解与重构 | 第43-45页 |
| 5.1.2 时域特征提取方法 | 第45-47页 |
| 5.1.3 BP神经网络与故障分类 | 第47-49页 |
| 5.2 基于小波包频域故障诊断方法 | 第49-53页 |
| 5.2.1 频域特征提取方法 | 第50-52页 |
| 5.2.2 BP神经网络与故障分类 | 第52-53页 |
| 5.3 基于D-S证据理论时域和频域特征融合的故障诊断方法 | 第53-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 滚动轴承故障诊断的实验分析与讨论 | 第57-105页 |
| 6.1 CWRU轴承故障诊断 | 第57-80页 |
| 6.1.1 实验数据 | 第57-58页 |
| 6.1.2 实验算法 | 第58页 |
| 6.1.3 实验结果分析 | 第58-80页 |
| 6.1.3.1 轴承故障原始信号 | 第58页 |
| 6.1.3.2 小波包分解与重构 | 第58-59页 |
| 6.1.3.3 时域特征提取 | 第59-70页 |
| 6.1.3.4 频域特征提取 | 第70-78页 |
| 6.1.3.5 时域、频域、时频域D-S证据理论融合实验结果分析 | 第78-80页 |
| 6.2 广石化机组轴承故障诊断 | 第80-104页 |
| 6.2.1 实验环境 | 第80-84页 |
| 6.2.1.1 机组组成 | 第80-82页 |
| 6.2.1.2 实验条件 | 第82-84页 |
| 6.2.2 实验结果分析 | 第84-104页 |
| 6.2.2.1 轴承故障原始信号 | 第84页 |
| 6.2.2.2 小波包分解与重构 | 第84-85页 |
| 6.2.2.3 时域特征提取 | 第85-93页 |
| 6.2.2.4 频域信号提取 | 第93-102页 |
| 6.2.2.5 时域分析、频域分析、时频域D-S融合的分类结果 | 第102-104页 |
| 6.3 实验结果对比与讨论 | 第104页 |
| 6.4 本章小结 | 第104-105页 |
| 第七章 总结与展望 | 第105-107页 |
| 7.1 总结 | 第105-106页 |
| 7.2 展望 | 第106-107页 |
| 参考文献 | 第107-111页 |
| 致谢 | 第111-112页 |
| 附件 | 第112页 |
