| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 滚动轴承健康状态监测及故障诊断概述 | 第15-19页 |
| 1.2.1 滚动轴承健康状态监测及故障诊断的研究现状 | 第15-16页 |
| 1.2.2 滚动轴承基本结构 | 第16-17页 |
| 1.2.3 滚动轴承失效形式 | 第17-19页 |
| 1.3 滚动轴承状态监测与故障诊断中的关键技术 | 第19-23页 |
| 1.3.1 状态信息主要获取方法 | 第19-20页 |
| 1.3.2 特征提取的研究现状 | 第20-22页 |
| 1.3.3 模式识别的研究现状 | 第22-23页 |
| 1.4 研究内容 | 第23-25页 |
| 第2章 滚动轴承动态健康状态的时序图像描述 | 第25-41页 |
| 2.1 基于时序图像描述的健康状态监测方法 | 第25-32页 |
| 2.1.1 周期估计 | 第25-27页 |
| 2.1.2 振动信号的二维变换 | 第27-28页 |
| 2.1.3 灰度共生矩阵特征提取 | 第28-30页 |
| 2.1.4 相似性度量 | 第30-31页 |
| 2.1.5 基于假设检验的异常决策 | 第31-32页 |
| 2.2 实验验证 | 第32-39页 |
| 2.3 本章小结 | 第39-41页 |
| 第3章 基于局部时序自相似度的故障特征提取及诊断 | 第41-63页 |
| 3.1 局部时序自相似度特征提取方法 | 第41-44页 |
| 3.2 词袋模型 | 第44-45页 |
| 3.3 分类器介绍 | 第45-50页 |
| 3.3.1 k近邻分类器 | 第46-47页 |
| 3.3.2 支持向量机 | 第47-50页 |
| 3.4 实验验证 | 第50-60页 |
| 3.5 本章小结 | 第60-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-73页 |
| 攻读硕士学位期间取得的科研成果及奖励 | 第73-75页 |
| 致谢 | 第75-76页 |
| 学位论文评阅及答浦况表 | 第76页 |