摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-18页 |
1.1 研究背景与意义 | 第9页 |
1.2 机械故障诊断的发展历程 | 第9-11页 |
1.3 机械振动信号处理方法研究概述 | 第11-16页 |
1.3.1 机械振动信号传统处理方法 | 第11-13页 |
1.3.2 机械振动信号现代处理方法 | 第13-16页 |
1.4 论文的主要工作与安排 | 第16-18页 |
第二章 滚动轴承基本性质及实验描述 | 第18-27页 |
2.1 滚动轴承的结构及失效形式 | 第18-21页 |
2.1.1 滚动轴承的基本结构及参数 | 第18页 |
2.1.2 滚动轴承的失效形式及其失效机理 | 第18-21页 |
2.2 滚动轴承的振动 | 第21-22页 |
2.2.1 滚动轴承结构特点引起的振动 | 第21页 |
2.2.2 滚动轴承加工装配过程中引起的振动 | 第21页 |
2.2.3 滚动轴承故障引起的振动 | 第21-22页 |
2.3 滚动轴承的特征频率 | 第22-23页 |
2.4 滚动轴承诊断试验 | 第23-26页 |
2.4.1 实验装置 | 第23-24页 |
2.4.2 滚动轴承故障设置及其基本参数 | 第24-26页 |
2.5 本章小结 | 第26-27页 |
第三章 基于α稳定分布和支持向量机的滚动轴承模式分类 | 第27-45页 |
3.1 α稳定分布 | 第28-31页 |
3.1.1 α稳定分布的定义 | 第28页 |
3.1.2 α稳定分布的概率密度函数 | 第28-31页 |
3.1.3 α稳定分布的性质 | 第31页 |
3.2 滚动轴承脉冲特性分析 | 第31-34页 |
3.2.1 仿真信号处理 | 第31-33页 |
3.2.2 实验数据处理 | 第33-34页 |
3.3 小波与小波包变换 | 第34-36页 |
3.3.1 小波变换 | 第34-35页 |
3.3.2 小波包变换 | 第35-36页 |
3.4 特征分类与故障诊断 | 第36-44页 |
3.4.1 支持向量机 | 第36-37页 |
3.4.2 特征提取 | 第37页 |
3.4.3 实验分析 | 第37-39页 |
3.4.4 改进方法 | 第39-44页 |
3.5 本章小结 | 第44-45页 |
第四章 基于不同阶次统计量及支持向量机的故障诊断 | 第45-55页 |
4.1 高阶统计量基础知识 | 第45-49页 |
4.1.1 特征函数 | 第45-46页 |
4.1.2 高阶矩和高阶累积量定义 | 第46-48页 |
4.1.3 高阶矩与高阶累积量的关系 | 第48页 |
4.1.4 高阶统计量的性质 | 第48-49页 |
4.2 故障特征提取 | 第49-52页 |
4.3 模式识别 | 第52-54页 |
4.4 本章小结 | 第54-55页 |
第五章 基于分数阶排列熵及支持向量机的模式识别方法 | 第55-70页 |
5.1 排列熵 | 第55-60页 |
5.1.1 排列熵算法原理 | 第55-56页 |
5.1.2 排列熵算法有效性验证 | 第56-57页 |
5.1.3 排列熵在机械故障诊断中的应用 | 第57-60页 |
5.2 分数阶排列熵 | 第60-67页 |
5.2.1 分数阶排列熵有效性验证 | 第61-63页 |
5.2.2 实验分析 | 第63-67页 |
5.3 模式分类与故障诊断 | 第67-69页 |
5.4 结论 | 第69-70页 |
第六章 结论与展望 | 第70-72页 |
6.1 结论 | 第70-71页 |
6.2 展望 | 第71-72页 |
参考文献 | 第72-76页 |
致谢 | 第76-77页 |
个人简历、在学期间的研究成果及已发表的学术论文 | 第77页 |