| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 滚动轴承特征提取方法研究现状 | 第10-11页 |
| 1.2.2 性能退化中可靠性评估方法研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容及结构安排 | 第13-14页 |
| 第二章 轴承的状态监测及特征提取 | 第14-27页 |
| 2.1 滚动轴承主要状态监测技术 | 第14-16页 |
| 2.1.1 状态监测的传感检测方法 | 第15页 |
| 2.1.2 状态监测方法 | 第15-16页 |
| 2.1.3 振动信号分析诊断法 | 第16页 |
| 2.2 滚动轴承运行状态特征信号提取方法 | 第16-26页 |
| 2.2.1 时域分析方法 | 第18-21页 |
| 2.2.2 频域分析方法 | 第21-22页 |
| 2.2.3 时频分析方法 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于状态空间模型的性能退化评估 | 第27-44页 |
| 3.1 可靠性 | 第27-29页 |
| 3.2 改进的卡尔曼滤波方法 | 第29-32页 |
| 3.2.1 卡尔曼滤波 | 第30-31页 |
| 3.2.2 改进卡尔曼滤波 | 第31-32页 |
| 3.3 状态空间模型及其参数计算 | 第32-35页 |
| 3.3.1 状态空间模型的建立 | 第32-33页 |
| 3.3.2 状态空间模型参数估计 | 第33-35页 |
| 3.4 基于状态空间模型的滚动轴承性能预测实例 | 第35-43页 |
| 3.4.1 轴承试验I | 第35-39页 |
| 3.4.2 轴承试验II | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于多变量支持向量机的性能退化状态评估 | 第44-61页 |
| 4.1 支持向量机理论 | 第44-48页 |
| 4.1.1 SVM原理 | 第44-46页 |
| 4.1.2 SVM模型的建立 | 第46-48页 |
| 4.2 支持向量机回归 | 第48-52页 |
| 4.2.1 SVR的数学模型 | 第48-50页 |
| 4.2.2 SVR预测步骤 | 第50-52页 |
| 4.3 基于多变量支持向量机的滚动轴承性能预测实例 | 第52-60页 |
| 4.3.1 实验数据采集 | 第53-54页 |
| 4.3.2 轴承性能特征选取 | 第54页 |
| 4.3.3 轴承试验 | 第54-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 结论和展望 | 第61-63页 |
| 5.1 结论 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |