| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-12页 |
| 图清单 | 第12-17页 |
| 表清单 | 第17-18页 |
| 变量注释表 | 第18-19页 |
| 1 绪论 | 第19-28页 |
| ·课题来源和意义 | 第19-22页 |
| ·滚动轴承故障诊断技术研究背景与现状 | 第22-26页 |
| ·论文研究内容 | 第26-28页 |
| 2 滚动轴承的故障及其振动特性 | 第28-38页 |
| ·引言 | 第28页 |
| ·滚动轴承结构 | 第28-29页 |
| ·滚动轴承故障类型 | 第29-30页 |
| ·滚动轴承故障特征频率 | 第30-32页 |
| ·实验验证 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 3 基于改进经验模式分解的早期故障信号降噪方法 | 第38-58页 |
| ·引言 | 第38页 |
| ·EMD 方法的原理 | 第38-41页 |
| ·基于 SVR 延拓与余弦窗函数的 EEMD 方法 | 第41-52页 |
| ·仿真与实验验证 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 4 基于自适应随机共振的微弱故障特征提取方法 | 第58-76页 |
| ·引言 | 第58页 |
| ·随机共振理论与模型 | 第58-63页 |
| ·基于自适应随机共振的微弱周期信号检测 | 第63-73页 |
| ·应用实例 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 5 基于 IEEMD 和 ASR 的滚动轴承故障特征提取 | 第76-88页 |
| ·引言 | 第76页 |
| ·信噪比极低的微弱特征信号的识别 | 第76-82页 |
| ·采煤机传动系统零部件故障特征提取方法研究 | 第82-87页 |
| ·本章小结 | 第87-88页 |
| 6 结论和展望 | 第88-91页 |
| ·结论 | 第88-89页 |
| ·展望 | 第89-91页 |
| 参考文献 | 第91-97页 |
| 作者简历 | 第97-101页 |
| 学位论文数据集 | 第101页 |