| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 选题意义 | 第9页 |
| 1.2 轴承故障诊断的主要方法与步骤 | 第9-11页 |
| 1.2.1 轴承故障诊断的主要方法 | 第10页 |
| 1.2.2 轴承故障诊断的基本步骤 | 第10-11页 |
| 1.3 轴承故障诊断方法研究现状 | 第11-14页 |
| 1.3.1 轴承故障特征提取研究现状 | 第11-13页 |
| 1.3.2 轴承故障状态识别与性能退化评估研究现状 | 第13-14页 |
| 1.4 本文研究内容与安排 | 第14-16页 |
| 第二章 滚动轴承振动机理与故障分析 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 研究对象分析 | 第16-17页 |
| 2.3 滚动轴承的振动机理与故障特征频率计算 | 第17-20页 |
| 2.3.1 滚动轴承的振动机理 | 第17-18页 |
| 2.3.2 滚动轴承的故障特征频率计算 | 第18-20页 |
| 2.4 典型轴承故障振动信号的特点 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 KJADE特征融合方法及其在滚动轴承故障识别中的应用研究 | 第24-44页 |
| 3.1 引言 | 第24-25页 |
| 3.2 滚动轴承故障信息特征提取方法 | 第25-28页 |
| 3.2.1 时域特征提取方法 | 第25-26页 |
| 3.2.2 频域特征提取方法 | 第26页 |
| 3.2.3 时频域特征提取方法 | 第26-28页 |
| 3.3 特征矩阵联合近似对角化(JADE)方法 | 第28-31页 |
| 3.3.1 JADE基本模型 | 第28-29页 |
| 3.3.2 数据的球化 | 第29-30页 |
| 3.3.3 四阶累积量矩阵 | 第30页 |
| 3.3.4 JADE算法 | 第30-31页 |
| 3.4 KJADE算法及其在轴承特征融合上的应用研究 | 第31-38页 |
| 3.4.1 KJADE分析方法 | 第31-33页 |
| 3.4.2 基于KJADE的滚动轴承特征融合方法 | 第33-38页 |
| 3.5 基于SVM的滚动轴承故障识别 | 第38-42页 |
| 3.5.1 支持向量机(SVM) | 第38-40页 |
| 3.5.2 滚动轴承故障识别 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于KJADE与ELM的滚动轴承性能退化评估与趋势预测研究 | 第44-63页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基本理论 | 第45-49页 |
| 4.2.1 KJADE | 第45-46页 |
| 4.2.2 两类模型 | 第46-47页 |
| 4.2.3 极限学习机(ELM) | 第47-49页 |
| 4.3 基于KJADE与两类模型的滚动轴承性能退化评估 | 第49-57页 |
| 4.3.1 轴承疲劳实验装置介绍 | 第50-51页 |
| 4.3.2 轴承原始全寿命特征参数提取 | 第51-53页 |
| 4.3.3 轴承性能退化评估 | 第53-57页 |
| 4.4 基于ELM的滚动轴承性能退化趋势预测方法 | 第57-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 滚动轴承疲劳试验方法验证 | 第63-71页 |
| 5.1 LabVIEW简介与应用 | 第63页 |
| 5.2 轴承疲劳试验装置 | 第63-66页 |
| 5.3 实验分析与验证 | 第66-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 结论 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 在读期间发表的学术论文 | 第79页 |
