| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·本课题的研究目的和意义 | 第9-10页 |
| ·轴承故障诊断技术的研究现状 | 第10-15页 |
| ·轴承故障诊断技术的发展状况 | 第10-11页 |
| ·轴承故障诊断文献综述 | 第11-15页 |
| ·Hilbert-Huang变换的提出和研究现状 | 第15-16页 |
| ·本课题的主要研究内容 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第2章 基于Hilbert-Huang变换的时频分析方法 | 第19-33页 |
| ·概述 | 第19页 |
| ·经验模态分解方法 | 第19-25页 |
| ·瞬时频率和固有模态函数 | 第19-21页 |
| ·经验模态分解流程 | 第21-23页 |
| ·基于改进的筛选停止准则的EMD | 第23-25页 |
| ·Hilbert变换和Hilbert谱 | 第25-27页 |
| ·Hilbert-Huang变换时频分析方法验证 | 第27-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 Hlbert-Huang变换与典型时频分析方法的比较 | 第33-48页 |
| ·概述 | 第33页 |
| ·HHT与Wigner-Ville分布分析的比较 | 第33-42页 |
| ·Wigner-Ville分布分析的原理 | 第34-35页 |
| ·HHT与Wigner-Ville分布分析的比较研究 | 第35-41页 |
| ·基于EMD的Wigner-Ville分布分析方法 | 第41-42页 |
| ·HHT与小波分析的比较 | 第42-46页 |
| ·小波分析基本原理 | 第42-44页 |
| ·HHT与小波分析的比较研究 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 滚动轴承振动信号分析与故障诊断 | 第48-63页 |
| ·概述 | 第48页 |
| ·滚动轴承振动信号的特征分析 | 第48-51页 |
| ·滚动轴承的振动机理 | 第48-49页 |
| ·滚动轴承的固有振动频率和故障特征频率 | 第49-51页 |
| ·滚动轴承故障诊断实验系统简介 | 第51-53页 |
| ·实验装置及硬件设备 | 第51-52页 |
| ·滚动轴承故障实验设置 | 第52-53页 |
| ·滚动轴承的振动信号分析 | 第53-62页 |
| ·时域分析 | 第54-55页 |
| ·频域分析 | 第55-56页 |
| ·小波分析 | 第56-58页 |
| ·HHT时频分析 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 滚动轴承故障特征提取及分析 | 第63-69页 |
| ·概述 | 第63页 |
| ·利用EMD和小波分解的特征提取方法 | 第63-64页 |
| ·滚动轴承故障特征提取 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 基于模糊神经网络的滚动轴承智能诊断 | 第69-84页 |
| ·概述 | 第69页 |
| ·神经网络故障诊断方法研究 | 第69-75页 |
| ·BP神经网络结构和算法 | 第70-71页 |
| ·基于BP神经网络的滚动轴承故障诊断 | 第71-75页 |
| ·模糊神经网络故障诊断方法研究 | 第75-82页 |
| ·模糊理论 | 第75页 |
| ·自适应模糊神经网络ANFIS | 第75-77页 |
| ·基于ANFIS的滚动轴承故障诊断方法的实现 | 第77-82页 |
| ·诊断结果对比分析 | 第82页 |
| ·本章小结 | 第82-84页 |
| 结论 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 攻读硕士研究生期间发表的论文 | 第93页 |
