| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 插图索引 | 第11-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-20页 |
| ·选题背景及意义 | 第14页 |
| ·故障诊断技术概述 | 第14-15页 |
| ·滚动轴承故障诊断技术国内外研究现状 | 第15-18页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16-18页 |
| ·课题来源及主要研究内容 | 第18-20页 |
| ·课题意义 | 第18-19页 |
| ·本文研究内容与安排 | 第19-20页 |
| 第2章 滚动轴承故障机理及诊断技术 | 第20-30页 |
| ·滚动轴承故障成因及表现形式 | 第20-22页 |
| ·滚动轴承故障成因 | 第20-21页 |
| ·滚动轴承故障表现形式 | 第21-22页 |
| ·滚动轴承故障诊断常用方法 | 第22-23页 |
| ·滚动轴承的振动机理 | 第23-29页 |
| ·振动信号常用的处理方法 | 第25-27页 |
| ·常用的轴承故障识别方法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 局部均值分解理论 | 第30-43页 |
| ·和局部均值分解有关的基本概念 | 第30-33页 |
| ·频率和瞬时频率 | 第30-31页 |
| ·单分量信号和多分量信号 | 第31-32页 |
| ·调幅信号和调频信号 | 第32-33页 |
| ·局部均值分解原理与算法 | 第33-37页 |
| ·局部均值分解和经验模式分解的对比 | 第37-38页 |
| ·局部均值分解仿真信号验证 | 第38-40页 |
| ·局部均值分解的改进 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 故障诊断的神经网络方法 | 第43-52页 |
| ·神经网络的结构及工作方式 | 第43-44页 |
| ·神经网络的学习 | 第44-46页 |
| ·学习方式 | 第44-45页 |
| ·学习算法 | 第45-46页 |
| ·概率神经网络 | 第46-50页 |
| ·概率神经网络的优点 | 第46页 |
| ·概率神经网络的基本原理 | 第46-49页 |
| ·概率神经网络的的拓扑结构 | 第49-50页 |
| ·基于概率神经网络的滚动轴承故障诊断方法 | 第50-51页 |
| ·轴承模式编码 | 第50-51页 |
| ·数据预处理 | 第51页 |
| ·网络的训练与诊断 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于LMD与PNN的故障诊断及系统实现 | 第52-68页 |
| ·基于 LMD 和 PNN 的故障诊断步骤 | 第52页 |
| ·信号的降噪处理 | 第52-56页 |
| ·信号的局部均值分解 | 第56-57页 |
| ·特征向量提取 | 第57-58页 |
| ·PNN 网络的设计和训练 | 第58页 |
| ·诊断结果 | 第58-59页 |
| ·基于 MATLABGUI 的轴承故障诊断系统的实现 | 第59-66页 |
| ·MATLABGUI 简介 | 第59页 |
| ·MATLABGUI 的设计原则和流程 | 第59-60页 |
| ·基于 MATLABGUI 的轴承故障诊断系统的功能 | 第60页 |
| ·基于 MATLABGUI 的轴承故障诊断系统的实现 | 第60-66页 |
| ·本章小结 | 第66-68页 |
| 总结与展望 | 第68-70页 |
| 主要结论 | 第68页 |
| 研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第75-76页 |
| 附录 B 参加科研项目情况 | 第76页 |
