摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第10-26页 |
1.1 机械设备状态监测与故障诊断 | 第10-12页 |
1.1.1 机械设备状态监测与故障诊断的意义 | 第10-11页 |
1.1.2 机械设备状态监测与诊断的流程 | 第11页 |
1.1.3 国内外研究现状 | 第11-12页 |
1.2 机械设备监测与故障诊断常用方法 | 第12-20页 |
1.2.1 信号处理 | 第12-13页 |
1.2.2 幅域分析 | 第13页 |
1.2.3 时域分析 | 第13-14页 |
1.2.4 频域分析 | 第14-15页 |
1.2.5 时频分析 | 第15-17页 |
1.2.6 智能诊断与寿命预测 | 第17-20页 |
1.3 列车轴承轨边声学监测与故障诊断 | 第20-22页 |
1.3.1 列车轴承状态监测与故障诊断的意义和常用方法 | 第20-21页 |
1.3.2 列车轴承轨边声学监测与故障诊断系统 | 第21-22页 |
1.3.3 列车轴承轨边声学监测与诊断的技术难点 | 第22页 |
1.4 论文主要研究工作 | 第22-26页 |
1.4.1 论文主要研究内容 | 第22-23页 |
1.4.2 论文的创新点 | 第23页 |
1.4.3 内容结构安排 | 第23-26页 |
第2章 滚动轴承故障分析与振动和声学信号获取 | 第26-36页 |
2.1 引言 | 第26页 |
2.2 滚动轴承振动机理 | 第26-27页 |
2.3 滚动轴承故障失效形式 | 第27-28页 |
2.4 滚动轴承故障特征频率 | 第28-29页 |
2.5 声学信号与振动信号之间的联系 | 第29页 |
2.6 振动信号获取 | 第29-31页 |
2.6.1 自制实验平台的轴承故障实验 | 第29-30页 |
2.6.2 凯斯西储大学的轴承故障实验 | 第30-31页 |
2.7 列车轴承的声学信号获取 | 第31-34页 |
2.7.1 实验仪器 | 第32-33页 |
2.7.2 轴承故障设置 | 第33页 |
2.7.3 静态声学信号采集实验 | 第33页 |
2.7.4 动态声学信号实验 | 第33-34页 |
2.8 本章小结 | 第34-36页 |
第3章 基于麦克风阵列的多普勒矫正方法在列车轴承轨边声学故障诊断中的应用研究 | 第36-62页 |
3.1 引言 | 第36-37页 |
3.2 多普勒校正方法研究现状 | 第37-38页 |
3.3 列车轴承轨边声学故障诊断系统模型 | 第38-39页 |
3.4 理论背景 | 第39-41页 |
3.4.1 远场均匀线阵模型 | 第39-40页 |
3.4.2 近场均匀线阵模型 | 第40-41页 |
3.5 基于麦克风阵列和短时ESPRIT的轨边轴承声学故障诊断 | 第41-45页 |
3.5.1 短时加窗分帧 | 第41-42页 |
3.5.2 空间谱估计的旋转不变子空间算法 | 第42-44页 |
3.5.3 时域插值重采样 | 第44页 |
3.5.4 诊断流程 | 第44-45页 |
3.6 基于麦克风阵列和匹配追踪的轨边轴承声学故障诊断 | 第45-48页 |
3.6.1 原子字典构建 | 第45-46页 |
3.6.2 方位角的获取 | 第46-47页 |
3.6.3 多普勒矫正 | 第47页 |
3.6.4 诊断流程 | 第47-48页 |
3.7 仿真信号分析 | 第48-54页 |
3.8 实验信号分析 | 第54-60页 |
3.9 本章小结 | 第60-62页 |
第4章 一种改进形态滤波的滚动轴承故障诊断方法研究 | 第62-72页 |
4.1 引言 | 第62页 |
4.2 形态滤波算法研究现状 | 第62-63页 |
4.3 理论背景 | 第63-64页 |
4.3.1 形态滤波 | 第63页 |
4.3.2 轴承故障冲击响应模型 | 第63-64页 |
4.4 改进的形态滤波 | 第64-67页 |
4.4.1 构造结构元素 | 第64-65页 |
4.4.2 改进的形态学算子 | 第65-66页 |
4.4.3 应用频谱分析法获取共振频率 | 第66页 |
4.4.4 基于改进形态滤波的故障诊断方法流程 | 第66-67页 |
4.5 仿真信号分析 | 第67-69页 |
4.6 实验信号分析 | 第69-71页 |
4.7 本章小结 | 第71-72页 |
第5章 总结与展望 | 第72-74页 |
5.1 全文总结 | 第72页 |
5.2 下一步可能的研究方向 | 第72-74页 |
参考文献 | 第74-82页 |
致谢 | 第82-84页 |
在读期间发表的学术论文与取得的其他研究成果 | 第84页 |