| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 论文背景与研究意义 | 第11-12页 |
| 1.2 轴承故障智能诊断方法的国内外研究进展与发展趋势 | 第12-16页 |
| 1.2.1 国外研究进展与现状 | 第12-13页 |
| 1.2.2 国内研究进展与现状 | 第13-14页 |
| 1.2.3 滚动轴承的发展趋势 | 第14-15页 |
| 1.2.4 现有诊断技术的局限性 | 第15-16页 |
| 1.3 论文主要工作及内容安排 | 第16-17页 |
| 1.3.1 论文的研究思路 | 第16页 |
| 1.3.2 论文的内容安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 滚动轴承的振动机理及信号特点 | 第18-28页 |
| 2.1 滚动轴承结构及载荷特点 | 第18-20页 |
| 2.1.1 滚动轴承的基本结构 | 第18页 |
| 2.1.2 滚动轴承的载荷特点 | 第18-20页 |
| 2.2 滚动轴承的失效形式及原因 | 第20-21页 |
| 2.3 滚动轴承的振动机理 | 第21-23页 |
| 2.4 滚动轴承的振动信号特征 | 第23-24页 |
| 2.5 滚动轴承的振动信号频率计算 | 第24-25页 |
| 2.6 轴承元件的固有振动频率计算 | 第25页 |
| 2.7 滚动轴承故障时的振动特性 | 第25-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 局部均值分解时频分析方法 | 第28-47页 |
| 3.1 局部均值分解概述 | 第28页 |
| 3.2 LMD时频分析方法 | 第28-36页 |
| 3.2.1 LMD分解原理及算法计算过程 | 第28-32页 |
| 3.2.2 局部均值分解方法计算实例 | 第32-33页 |
| 3.2.3 直接法求取瞬时频率 | 第33-36页 |
| 3.3 LMD时频分析方法的仿真应用 | 第36-40页 |
| 3.4 基于LMD方法的滚动轴承故障诊断 | 第40-42页 |
| 3.5 本征频率尺度分解(IFD) | 第42-45页 |
| 3.5.1 IFD方法 | 第43-44页 |
| 3.5.2 LMD与IFD分解仿真对比研究 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于IFD和支持向量机的滚动轴承故障诊断 | 第47-57页 |
| 4.1 支持向量机概述 | 第47页 |
| 4.2 支持向量机的特点 | 第47-48页 |
| 4.3 支持向量机理论 | 第48-52页 |
| 4.3.1 支持向量机基本理论 | 第48-50页 |
| 4.3.2 核函数的选择及其影响分析 | 第50页 |
| 4.3.3 SVM分类器构建方法分析 | 第50-52页 |
| 4.4 基于IFD和支持向量机的滚动轴承故障分类方法分析 | 第52-56页 |
| 4.4.1 IFD分解 | 第53页 |
| 4.4.2 构建特征向量 | 第53-54页 |
| 4.4.3 基于SVM的滚动轴承故障分类 | 第54-55页 |
| 4.4.4 分类模型的测试和分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于IFD和最小二乘支持向量机的滚动轴承故障诊断 | 第57-63页 |
| 5.1 最小二乘支持向量机的分类原理 | 第57-59页 |
| 5.2 多分类的支持向量机 | 第59-61页 |
| 5.2.1 一对多分类算法 | 第59-60页 |
| 5.2.2 一对一分类算法 | 第60-61页 |
| 5.3 基于IFD与最小二乘支持向量机的滚动轴承故障诊断 | 第61-62页 |
| 5.4 实例分析 | 第62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录A (攻读硕士期间发表学术成果) | 第71页 |
