地铁列车轴承故障诊断及在途诊断系统研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 引言 | 第13-31页 |
| ·研究背景 | 第13页 |
| ·研究目的和意义 | 第13-19页 |
| ·支撑地铁列车运维模式转变的需求 | 第15-16页 |
| ·轴承故障诊断的重要性 | 第16-17页 |
| ·既有轴承故障诊断系统的缺陷与不足 | 第17-19页 |
| ·国内外研究现状 | 第19-27页 |
| ·基于数据驱动的轴承故障诊断技术 | 第19-23页 |
| ·基于模型驱动的轴承故障诊断技术 | 第23-25页 |
| ·轴承故障诊断设备的研制 | 第25-27页 |
| ·本文的主要研究内容及结构 | 第27-31页 |
| ·常用的轴承故障诊断方法概述 | 第28页 |
| ·基于自适应傅里叶分解的轴承故障诊断 | 第28-29页 |
| ·基于动力学模型的轴承故障诊断 | 第29页 |
| ·基于时频域特征参数融合的轴承故障在途诊断 | 第29-31页 |
| 2 常用的轴承故障诊断方法概述 | 第31-49页 |
| ·轴承故障的类型及成因 | 第31-32页 |
| ·轴承故障监测技术 | 第32-35页 |
| ·温度监测技术 | 第32-33页 |
| ·声学监测技术 | 第33页 |
| ·油膜电阻监测技术 | 第33-34页 |
| ·振动监测技术 | 第34-35页 |
| ·表征轴承运行状态的特征参数 | 第35-38页 |
| ·时域特征参数 | 第35-37页 |
| ·频域特征参数 | 第37-38页 |
| ·2.4轴承信号处理方法 | 第38-46页 |
| ·傅里叶变换 | 第38-40页 |
| ·短时傅里叶变换 | 第40-41页 |
| ·小波变换 | 第41-43页 |
| ·小波包分析 | 第43-44页 |
| ·希尔伯特变换 | 第44-45页 |
| ·共振解调技术 | 第45页 |
| ·基于神经网络模式识别技术的轴承故障诊断方法 | 第45-46页 |
| ·基于轴承模型的故障诊断方法 | 第46-48页 |
| ·静力学模型 | 第46-48页 |
| ·动力学模型 | 第48页 |
| ·本章小结 | 第48-49页 |
| 3 基于动力学模型的轴承故障诊断方法 | 第49-75页 |
| ·滚动轴承缺陷的非线性动力学机理分析 | 第49-53页 |
| ·滚动轴承受力分析 | 第49-52页 |
| ·故障特征描述 | 第52-53页 |
| ·滚动轴承的非线性动力学模型 | 第53-60页 |
| ·单个滚子的非线性动力学模型 | 第54-55页 |
| ·轴承系统的非线性动力学模型 | 第55-58页 |
| ·含有单表面故障的轴承系统的非线性动力学模型 | 第58-60页 |
| ·动力学仿真试验结果分析 | 第60-65页 |
| ·轴承非线性动力学故障模型系统参数的估计 | 第65-72页 |
| ·最小二乘法 | 第66页 |
| ·极大似然估计 | 第66-67页 |
| ·轴承非线性动力学模型的系统参数分析 | 第67-72页 |
| ·仿真信号特征分析 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 4 基于自适应傅里叶分解的轴承故障诊断 | 第75-97页 |
| ·自适应傅里叶分解方法对轴承故障信息提取的意义 | 第75-77页 |
| ·AFD算法 | 第77-81页 |
| ·基于AFD的轴承故障诊断算法 | 第81-84页 |
| ·轴承振动实验及其结果分析 | 第84-95页 |
| ·滚动轴承外圈故障分析 | 第85-89页 |
| ·滚动轴承滚子故障分析 | 第89-92页 |
| ·滚动轴承内圈故障分析 | 第92-95页 |
| ·本章小结 | 第95-97页 |
| 5 基于时频域特征参数融合的轴承故障在途诊断方法 | 第97-125页 |
| ·基于时域特征参数的轴承故障诊断 | 第97-108页 |
| ·无故障时轴承信号的时域参数变化特征 | 第97-100页 |
| ·滚子故障的时域参数变化特征 | 第100-102页 |
| ·内圈故障的时域参数变化特征 | 第102-103页 |
| ·外圈故障的时域参数变化特征 | 第103-105页 |
| ·轴承故障状态变化的时域参数特征 | 第105-108页 |
| ·时域特征参数与轴承故障的关系 | 第108页 |
| ·基于频域特征参数的轴承故障诊断 | 第108-113页 |
| ·不同速度、不同类型的轴承故障的频谱特性 | 第108-110页 |
| ·不同速度、同一类型故障的频谱特性 | 第110页 |
| ·同一速度、同一类型故障的频谱特性 | 第110-112页 |
| ·频域特征参数与轴承故障的关系 | 第112-113页 |
| ·基于时频域参数融合的轴承故障诊断 | 第113-124页 |
| ·基于时频域参数融合的轴承故障诊断的流程 | 第113-114页 |
| ·轴承原始数据获取 | 第114页 |
| ·轴承故障特征参数计算 | 第114-116页 |
| ·轴承信号时频域特征参数融合 | 第116-117页 |
| ·基于时频域特征参数融合的轴承状态识别 | 第117-124页 |
| ·本章小结 | 第124-125页 |
| 6 地铁列车轴承故障在途诊断系统 | 第125-133页 |
| ·轴承信号采集装置 | 第126-128页 |
| ·数据传输装置 | 第128页 |
| ·特征参数计算装置 | 第128-129页 |
| ·轴承在途状态识别装置 | 第129页 |
| ·轴承故障诊断实例 | 第129-131页 |
| ·本章小结 | 第131-133页 |
| 7 结论 | 第133-137页 |
| ·本文主要结论和创新点 | 第133-134页 |
| ·本文的主要结论 | 第133-134页 |
| ·本文的主要创新点 | 第134页 |
| ·研究展望 | 第134-137页 |
| 参考文献 | 第137-145页 |
| 作者简历 | 第145-149页 |
| 学位论文数据集 | 第149页 |
