| 摘要 | 第1-7页 |
| Abstract | 第7-25页 |
| 第一章 绪论 | 第25-41页 |
| ·背景意义和研究目的 | 第25-26页 |
| ·相关研究文献综述 | 第26-36页 |
| ·统计学寿命模型 | 第26-31页 |
| ·基于断裂力学方法的寿命模型 | 第31-32页 |
| ·“经验”寿命模型 | 第32-35页 |
| ·滚动轴承加速寿命试验 | 第35-36页 |
| ·本文主要研究内容 | 第36-41页 |
| ·研究思路及论文概况 | 第36-39页 |
| ·论文创新点 | 第39-41页 |
| 第二章 滚动轴承载荷分布计算模型 | 第41-57页 |
| ·基于静力学法的载荷分布计算 | 第41-46页 |
| ·计算模型 | 第41-44页 |
| ·计算结果与讨论 | 第44-46页 |
| ·基于拟动力学法的载荷分布计算 | 第46-52页 |
| ·计算模型 | 第46-49页 |
| ·计算结果与讨论 | 第49-52页 |
| ·基于有限元法的载荷分布计算 | 第52-54页 |
| ·有限元模型 | 第52-53页 |
| ·计算结果与讨论 | 第53-54页 |
| ·本章小结 | 第54-57页 |
| 第三章 滚动轴承状态寿命的理论计算模型 | 第57-78页 |
| ·状态寿命理论计算模型概述 | 第57-60页 |
| ·状态寿命的理论计算值 | 第57-59页 |
| ·使用寿命消耗计算 | 第59-60页 |
| ·任意载荷下轴承的寿命计算模型 | 第60-69页 |
| ·修正L-P寿命计算模型 | 第62-65页 |
| ·寿命影响因素分析与讨论 | 第65-69页 |
| ·主轴承载荷提取模型 | 第69-74页 |
| ·主轴承的载荷分析 | 第69-70页 |
| ·主轴承的工况 | 第70-73页 |
| ·主轴承的载荷谱 | 第73-74页 |
| ·状态寿命的理论计算 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 第四章 振动信号特征提取与试验研究 | 第78-104页 |
| ·试验装置 | 第78-79页 |
| ·滚动轴承振动分析基础 | 第79-83页 |
| ·特征频率 | 第81-82页 |
| ·固有频率 | 第82页 |
| ·滚动轴承的频谱结构 | 第82-83页 |
| ·振动信号特征提取的试验研究 | 第83-92页 |
| ·特征提取试验设计 | 第83-84页 |
| ·统计参数分析 | 第84-85页 |
| ·快速傅立叶变换 | 第85-87页 |
| ·共振解调法 | 第87-89页 |
| ·小波包能量法 | 第89-92页 |
| ·滚动轴承全寿命试验 | 第92-102页 |
| ·全寿命试验设计 | 第92-93页 |
| ·1#试验轴承数据后处理 | 第93-98页 |
| ·2#试验轴承数据后处理 | 第98-101页 |
| ·全寿命试验结果分析与讨论 | 第101-102页 |
| ·本章小结 | 第102-104页 |
| 第五章 基于BP神经网络的状态寿命评估模型 | 第104-124页 |
| ·状态寿命评估模型概述 | 第104-107页 |
| ·状态寿命的评估值 | 第104-106页 |
| ·状态寿命评估模型 | 第106-107页 |
| ·BP网络的原理 | 第107-109页 |
| ·BP网络的数学模型 | 第107-108页 |
| ·基于梯度的学习算法 | 第108-109页 |
| ·BP网络的改进应用方法 | 第109-112页 |
| ·BP算法的缺点与困难 | 第109-110页 |
| ·BP算法的改进 | 第110-112页 |
| ·基于BP网络的状态寿命评估模型 | 第112-119页 |
| ·数据样本的构造 | 第112-113页 |
| ·输入和输出样本的处理 | 第113页 |
| ·误差评价指标 | 第113-114页 |
| ·算法设计 | 第114-115页 |
| ·基于统计量特征向量的BP网络模型训练及推广能力检验 | 第115-117页 |
| ·基于小波包频带能量特征向量的BP网络模型训练及推广能力检验 | 第117-119页 |
| ·结果分析与讨论 | 第119-120页 |
| ·BP神经网络评估模型的应用 | 第120-122页 |
| ·推广性能检验 | 第120-122页 |
| ·适应性检验 | 第122页 |
| ·本章小结 | 第122-124页 |
| 第六章 基于支持向量机的状态寿命评估模型 | 第124-145页 |
| ·统计学习理论 | 第124-129页 |
| ·机器学习 | 第124-126页 |
| ·经验风险最小化原则 | 第126页 |
| ·VC维与“推广性的界” | 第126-128页 |
| ·结构风险最小化原则 | 第128-129页 |
| ·回归支持向量机原理及算法 | 第129-135页 |
| ·线性回归及损失函数 | 第129-131页 |
| ·ε不敏感损失函数回归 | 第131-133页 |
| ·非线性回归支持向量机原理 | 第133-134页 |
| ·支持向量机的训练算法 | 第134-135页 |
| ·支持向量机参数的优化选择方法 | 第135-136页 |
| ·基于支持向量机的状态寿命评估模型 | 第136-141页 |
| ·建模的方法与步骤 | 第137页 |
| ·基于统计量特征向量的SVM模型训练及推广能力检验 | 第137-139页 |
| ·基于小波包频带能量特征向量的SVM模型训练及推广能力检验 | 第139-140页 |
| ·结果分析与讨论 | 第140-141页 |
| ·SVM模型的应用 | 第141-143页 |
| ·推广性能检验 | 第141-142页 |
| ·适应性检验 | 第142-143页 |
| ·支持向量机与BP神经网络方法的对比分析 | 第143-144页 |
| ·本章小结 | 第144-145页 |
| 第七章 滚动轴承状态寿命模型及其应用 | 第145-159页 |
| ·模糊逻辑的理论基础 | 第145-152页 |
| ·模糊逻辑理论概述 | 第145-146页 |
| ·模糊逻辑的数学基础 | 第146-151页 |
| ·模糊逻辑推理系统 | 第151-152页 |
| ·基于模糊逻辑推理的信息融合 | 第152-153页 |
| ·基于模糊推理的滚动轴承状态寿命模型 | 第153-156页 |
| ·设计模糊推理规则 | 第153页 |
| ·输入量与输出量的模糊化 | 第153-155页 |
| ·推理引擎设计 | 第155-156页 |
| ·滚动轴承状态寿命模型的应用 | 第156-158页 |
| ·本章小结 | 第158-159页 |
| 结论与展望 | 第159-161页 |
| 参考文献 | 第161-170页 |
| 附录1 轴承参数表 | 第170-171页 |
| 附录2 试验轴承失效特征图 | 第171-173页 |
| 攻读博士学位期间取得的研究成果 | 第173-174页 |
| 致谢 | 第174-175页 |
| 作者简介 | 第175页 |
