基于支持向量机的数控机床电主轴故障诊断研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题的背景及来源 | 第15-16页 |
| 1.1.1 课题的背景 | 第15页 |
| 1.1.2 课题来源 | 第15-16页 |
| 1.2 课题的国内外研究现状 | 第16-20页 |
| 1.2.1 故障诊断的内容 | 第16-17页 |
| 1.2.2 国内外研究现状 | 第17-20页 |
| 1.3 课题目的及主要内容安排 | 第20-22页 |
| 1.3.1 课题的目的 | 第20页 |
| 1.3.2 主要内容安排 | 第20-22页 |
| 第二章 电主轴故障及轴承故障机理分析 | 第22-34页 |
| 2.1 电主轴介绍 | 第22-23页 |
| 2.2 电主轴故障统计分析 | 第23-25页 |
| 2.3 滚动轴承故障机理分析 | 第25-31页 |
| 2.3.1 滚动轴承结构及振动机理分析 | 第25-27页 |
| 2.3.2 滚动轴承的特征频率和固有频率 | 第27-28页 |
| 2.3.3 滚动轴承典型故障分析 | 第28-31页 |
| 2.4 振动信号的采集 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于经验模态分析的故障信号处理 | 第34-46页 |
| 3.1 经验模态分析简介 | 第34-37页 |
| 3.2 处理方法概述 | 第37-38页 |
| 3.3 故障信号处理实例 | 第38-45页 |
| 3.3.1 实验介绍 | 第38-39页 |
| 3.3.2 定性分析 | 第39-41页 |
| 3.3.3 定量分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于支持向量机的故障诊断 | 第46-72页 |
| 4.1 支持向量机简介 | 第46-49页 |
| 4.2 诊断方法概述 | 第49-50页 |
| 4.3 诊断实例 | 第50-71页 |
| 4.3.1 实验介绍 | 第50-52页 |
| 4.3.2 状态划分和样本筛选 | 第52-54页 |
| 4.3.3 三种特征向量构建方案比较 | 第54-63页 |
| 4.3.4 数据预处理和SVM模型参数寻优 | 第63-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 设备故障诊断平台 | 第72-86页 |
| 5.1 设备介绍 | 第72-73页 |
| 5.2 诊断平台 | 第73-85页 |
| 5.2.1 平台方案 | 第73-76页 |
| 5.2.2 采集系统布局 | 第76-79页 |
| 5.2.3 分析诊断实例 | 第79-85页 |
| 5.3 本章小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86页 |
| 6.2 展望 | 第86-88页 |
| 参考文献 | 第88-91页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第91-92页 |
