| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第15-23页 |
| 1.1 课题的背景及意义 | 第15页 |
| 1.2 故障诊断的研究现状 | 第15-22页 |
| 1.3 本文主要研究内容与安排 | 第22-23页 |
| 2 通风机轴承故障分析及信号采集系统 | 第23-32页 |
| 2.1 引言 | 第23页 |
| 2.2 通风机 | 第23-24页 |
| 2.3 通风机轴承故障特性分析 | 第24-29页 |
| 2.4 采集系统设计 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 局部均值分解 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 局部均值分解理论 | 第32-41页 |
| 3.3 与其它时频分析方法的对比 | 第41-46页 |
| 3.4 本章小结 | 第46-48页 |
| 4 基于ICELMD分解的通风机轴承故障特征提取 | 第48-65页 |
| 4.1 引言 | 第48页 |
| 4.2 改进局部均值分解理论 | 第48-58页 |
| 4.3 基于改进ICELMD的通风机轴承故障特征提取 | 第58-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5 基于DIPSO-PCA-PNN算法的通风机轴承故障诊断 | 第65-85页 |
| 5.1 引言 | 第65页 |
| 5.2 概率神经网络 | 第65-70页 |
| 5.3 基于主元分析法和粒子群算法改进的概率神经网络 | 第70-76页 |
| 5.4 基于DIPSO-PCA-PNN的通风轴承故障诊断 | 第76-84页 |
| 5.5 本章小结 | 第84-85页 |
| 6 结论与展望 | 第85-87页 |
| 6.1 结论 | 第85-86页 |
| 6.2 展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 作者简历 | 第93-95页 |
| 学位论文数据集 | 第95页 |
