| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 主要符号说明表 | 第12-17页 |
| 第一章 绪论 | 第17-37页 |
| 1.1 课题概述 | 第17-19页 |
| 1.1.1 课题来源 | 第17页 |
| 1.1.2 课题的意义 | 第17-19页 |
| 1.2 滚动轴承疲劳研究动态及现状 | 第19-23页 |
| 1.2.1 基于概率的研究 | 第19-20页 |
| 1.2.2 基于断裂力学的研究 | 第20-21页 |
| 1.2.3 基于疲劳损伤的数值建模研究 | 第21页 |
| 1.2.4 基于过程数据的研究 | 第21-23页 |
| 1.3 滚动轴承疲劳声发射监测及其信号处理研究现状 | 第23-29页 |
| 1.3.1 基于声发射技术的滚动轴承接触疲劳监测研究现状 | 第23-24页 |
| 1.3.2 声发射信号降噪方法研究现状 | 第24-25页 |
| 1.3.3 声发射信号的特征评估研究现状 | 第25-27页 |
| 1.3.4 声发射信号的特征提取研究 | 第27-29页 |
| 1.4 基于声发射的滚动轴承疲劳研究现状总结 | 第29-34页 |
| 1.5 主要研究工作与总体框架 | 第34-37页 |
| 第二章 滚动轴承加速疲劳试验及声发射监测 | 第37-75页 |
| 2.1 引言 | 第37页 |
| 2.2 声发射技术 | 第37-41页 |
| 2.2.1 滚动轴承疲劳的声发射源 | 第37-39页 |
| 2.2.2 声发射传播 | 第39-40页 |
| 2.2.3 声发射检测原理 | 第40-41页 |
| 2.3 推力球轴承加速疲劳试验 | 第41-51页 |
| 2.3.1 试验对象和试验设备 | 第41-50页 |
| 2.3.2 试验原则与数据流 | 第50-51页 |
| 2.4 监测指标 | 第51-56页 |
| 2.4.1 常规监测指标 | 第51-54页 |
| 2.4.2 声发射监测指标 | 第54-56页 |
| 2.4.3 指标汇总 | 第56页 |
| 2.5 推力球轴承的趋势分析与演化规律 | 第56-74页 |
| 2.5.1 趋势分析 | 第56-72页 |
| 2.5.2 声发射疲劳演化规律总结 | 第72-74页 |
| 2.6 本章小结 | 第74-75页 |
| 第三章 基于小波包的滚动轴承声发射信号降噪算法研究 | 第75-95页 |
| 3.1 引言 | 第75页 |
| 3.2 声发射噪声源分析 | 第75-76页 |
| 3.3 小波包变换 | 第76-78页 |
| 3.4 小波包阈值降噪原理 | 第78-83页 |
| 3.4.1 阈值 | 第78-79页 |
| 3.4.2 阈值函数选择 | 第79-80页 |
| 3.4.3 小波基选择 | 第80-81页 |
| 3.4.4 分解层数选择 | 第81-83页 |
| 3.4.5 小波包阈值降噪步骤 | 第83页 |
| 3.5 基于二次相关加权阈值的滚动轴承声发射信号小波包降噪算法研究 | 第83-94页 |
| 3.5.1 二次相关理论 | 第83-85页 |
| 3.5.2 基于二次相关加权阈值的小波包降噪算法步骤 | 第85-86页 |
| 3.5.3 仿真研究 | 第86-90页 |
| 3.5.4 试验研究 | 第90-92页 |
| 3.5.5 与其他小波阈值降噪方法的对比 | 第92-94页 |
| 3.6 本章小结 | 第94-95页 |
| 第四章 滚动轴承声发射信号特征损伤敏感性评估算法研究 | 第95-117页 |
| 4.1 引言 | 第95-96页 |
| 4.2 基于距离估计的特征评估方法 | 第96-102页 |
| 4.2.1 距离估计方法 | 第96-97页 |
| 4.2.2 基于补偿距离估计技术的特征评估方法 | 第97-99页 |
| 4.2.3 基于聚类与圆位置关系的特征评估方法 | 第99-102页 |
| 4.3 基于位置补偿系数距离估计的特征评估技术 | 第102-115页 |
| 4.3.1 算法介绍 | 第102-107页 |
| 4.3.2 试验研究 | 第107-115页 |
| 4.4 本章小结 | 第115-117页 |
| 第五章 滚动轴承疲劳演化信息特征提取算法研究 | 第117-143页 |
| 5.1 引言 | 第117-118页 |
| 5.2 二次Renyi熵 | 第118页 |
| 5.3 核方法 | 第118-120页 |
| 5.4 核熵成分分析 | 第120-122页 |
| 5.5 核参数寻优 | 第122-128页 |
| 5.5.1 PSO理论 | 第123-125页 |
| 5.5.2 动态加速常数协同惯性权重的粒子群优化理论 | 第125-128页 |
| 5.6 基于最佳核熵数的KECA疲劳信息特征二次融合提取算法 | 第128-142页 |
| 5.6.1 基于最佳核熵数的适应度函数 | 第128-129页 |
| 5.6.2 简化的BWCPSO理论 | 第129-130页 |
| 5.6.3 二次融合算法 | 第130-133页 |
| 5.6.4 二次融合特征提取算法实现步骤 | 第133-134页 |
| 5.6.5 试验研究 | 第134-142页 |
| 5.7 本章小结 | 第142-143页 |
| 第六章 总结与展望 | 第143-147页 |
| 6.1 本文总结 | 第143-144页 |
| 6.2 主要创新点 | 第144-145页 |
| 6.3 研究展望 | 第145-147页 |
| 致谢 | 第147-151页 |
| 参考文献 | 第151-166页 |
| 附录A 数据采集系统与试验参数计算 | 第166-170页 |
| 附录B 攻读博士学位期间主持和参与的项目及获得奖励 | 第170-171页 |
| 附录C 攻读博士学位期间发表论文情况 | 第171-172页 |
| 附录D 攻读博士学位期间发表专利情况 | 第172页 |
