基于小波包和FCM多分类器组的轴承故障诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景 | 第9-10页 |
| ·故障诊断系统的目的和意义 | 第10页 |
| ·故障诊断系统的基本结构 | 第10-13页 |
| ·基于模型的故障诊断方法 | 第11-12页 |
| ·基于信号处理的方法 | 第12页 |
| ·基于人工智能的故障诊断方法 | 第12-13页 |
| ·基于信号融合的故障诊断方法 | 第13页 |
| ·小波变换方法在特征提取中的应用研究概况 | 第13-15页 |
| ·分类器及融合方法在故障识别中的应用研究概括 | 第15-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| 第2章 轴承故障机理分析 | 第17-33页 |
| ·滚动轴承的结构 | 第17页 |
| ·滚动轴承故障类型和特征参数 | 第17-19页 |
| ·滚动轴承的振动形式 | 第17-18页 |
| ·滚动轴承的振动参数 | 第18-19页 |
| ·滚动轴承的固有振动 | 第19页 |
| ·滚动轴承故障仿真 | 第19-32页 |
| ·轴承振动的时域波形和幅值分析 | 第20-21页 |
| ·轴承振动的幅值指标分析 | 第21-31页 |
| ·轴承振动的频谱分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 滚动轴承的时频域特征提取方法研究 | 第33-38页 |
| ·小波变换和小波包的基本理论 | 第33-35页 |
| ·小波包基本理论 | 第35-36页 |
| ·正交小波包的定义与性质 | 第35页 |
| ·离散信号的小波包系数 | 第35-36页 |
| ·基于小波包分析的轴承故障特征提取方法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于 FCM 多分类器组的故障识别 | 第38-52页 |
| ·模糊聚类的基本概念 | 第38-40页 |
| ·FCM 算法 | 第39-40页 |
| ·数据融合的基本方法 | 第40-44页 |
| ·模糊测度和 FI 理论 | 第42-43页 |
| ·基于 FI 的多分类器融合方法 | 第43-44页 |
| ·基于 FCM 分类器组的故障诊断系统 | 第44-49页 |
| ·基于 PSO 的 FCM 算法 | 第45-47页 |
| ·基于 PSO 的模糊测度算法 | 第47-49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |
