| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1. 绪论 | 第10-15页 |
| 1.1 论文选题背景与依据 | 第10页 |
| 1.2 振动机械及其故障诊断在国内外的发展现状 | 第10-14页 |
| 1.2.1 振动机械在国外的发展现状 | 第10-11页 |
| 1.2.2 振动机械在国内的发展现状 | 第11页 |
| 1.2.3 振动机械故障诊断的发展现状 | 第11-12页 |
| 1.2.4 微弱信号提取的发展现状 | 第12-13页 |
| 1.2.5 振动机械在线诊断系统的发展现状 | 第13-14页 |
| 1.3 课题的研究内容 | 第14-15页 |
| 2. 振动机械基本介绍和故障类型 | 第15-19页 |
| 2.1 振动机械的组成、分类和工作原理 | 第15-17页 |
| 2.1.1 振动机械的组成 | 第15页 |
| 2.1.2 振动机械的分类和工作原理 | 第15-17页 |
| 2.2 振动机械的常见故障类型 | 第17-18页 |
| 2.2.1 激振器电机的故障 | 第17页 |
| 2.2.2 工作机体故障 | 第17-18页 |
| 2.2.3 弹性元件故障 | 第18页 |
| 2.2.4 轴承故障 | 第18页 |
| 2.2.5 其它故障 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 3. 微弱信号的提取方法 | 第19-41页 |
| 3.1 基于小波分析的弱信号降噪方法 | 第19-26页 |
| 3.1.1 连续小波变换 | 第19-20页 |
| 3.1.2 离散小波变换 | 第20页 |
| 3.1.3 正交小波变换 | 第20-21页 |
| 3.1.4 小波分析在微弱信号降噪中阈值的选择 | 第21-26页 |
| 3.2 基于EEMD与SVD相结合算法的微弱信号提取方法 | 第26-40页 |
| 3.2.1 经验模态分解(EMD)算法 | 第27-28页 |
| 3.2.2 噪声对EMD分解的影响 | 第28-30页 |
| 3.2.3 集合经验模态分解(EEMD)算法 | 第30-31页 |
| 3.2.4 奇异值分解(SVD)算法对信号的降噪 | 第31-34页 |
| 3.2.5 强噪声对SVD降噪效果的影响 | 第34-35页 |
| 3.2.6 EEMD与SVD相结合弱信号提取方法 | 第35-40页 |
| 3.3 本章小结 | 第40-41页 |
| 4. 振动筛滚动轴承早期故障特征信号的提取 | 第41-54页 |
| 4.1 振动筛滚动轴承的失效形式 | 第41-42页 |
| 4.2 滚动轴承的特征频率计算 | 第42-44页 |
| 4.3 振动筛滚动轴承点蚀故障频谱分析 | 第44-46页 |
| 4.4 振动筛滚动轴承早期故障特征信号提取 | 第46-53页 |
| 4.4.1 振动筛滚动轴承早期故障信号的仿真 | 第46-47页 |
| 4.4.2 振动筛滚动轴承内圈点蚀故障特征信号的提取 | 第47-50页 |
| 4.4.3 振动筛滚动轴承外圈点蚀故障特征信号的提取 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5. 振动筛在线故障诊断系统的开发 | 第54-64页 |
| 5.1 在线故障诊断系统实现的功能 | 第54-56页 |
| 5.1.1 滚动轴承的实时监测功能 | 第54页 |
| 5.1.2 弹簧同步性监测功能 | 第54-56页 |
| 5.2 故障诊断系统的组成 | 第56-59页 |
| 5.2.1 系统硬件部分 | 第56-58页 |
| 5.2.2 系统软件部分 | 第58-59页 |
| 5.3 振动筛在线故障诊断 | 第59-63页 |
| 5.3.1 数据采集 | 第61页 |
| 5.3.2 在线故障诊断界面 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6. 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
