基于HMM的滚动轴承故障诊断方法研究及硬件实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外相关技术研究现状 | 第11-20页 |
| 1.2.1 滚动轴承故障诊断技术发展综述 | 第11-12页 |
| 1.2.2 滚动轴承故障诊断基本步骤 | 第12页 |
| 1.2.3 滚动轴承故障诊断技术研究现状 | 第12-20页 |
| 1.3 本文的研究内容与结构 | 第20-22页 |
| 第2章 滚动轴承故障特征提取及特征降维 | 第22-41页 |
| 2.1 原始信号特征分析 | 第22-23页 |
| 2.2 经验模态分解 | 第23-26页 |
| 2.2.1 基本概念 | 第23页 |
| 2.2.2 方法原理 | 第23-24页 |
| 2.2.3 基于EMD的特征提取分析 | 第24-25页 |
| 2.2.4 基于EEMD的特征提取分析 | 第25-26页 |
| 2.3 经验小波分解 | 第26-29页 |
| 2.3.1 基本概念 | 第26页 |
| 2.3.2 方法原理 | 第26-28页 |
| 2.3.3 特征提取分析 | 第28-29页 |
| 2.4 变分模态分解 | 第29-35页 |
| 2.4.1 基本概念 | 第29-30页 |
| 2.4.2 方法原理 | 第30-31页 |
| 2.4.3 仿真信号分析 | 第31-34页 |
| 2.4.4 实际信号分析 | 第34-35页 |
| 2.5 特征降维方法研究 | 第35-40页 |
| 2.5.1 基于排列熵的特征降维 | 第35-37页 |
| 2.5.2 基于奇异值分解的特征降维 | 第37-38页 |
| 2.5.3 对比分析 | 第38-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第3章 基于HMM的滚动轴承故障诊断 | 第41-52页 |
| 3.1 HMM理论基础 | 第41-45页 |
| 3.1.1 HMM概念 | 第41-43页 |
| 3.1.2 HMM实例 | 第43页 |
| 3.1.3 HMM模型分类 | 第43-45页 |
| 3.2 HMM基本问题及算法 | 第45-48页 |
| 3.2.1 评估问题 | 第45-46页 |
| 3.2.2 解码问题 | 第46-47页 |
| 3.2.3 学习问题 | 第47-48页 |
| 3.3 HMM在故障诊断应用中的改进 | 第48-51页 |
| 3.3.1 HMM故障诊断可行性 | 第48-49页 |
| 3.3.2 HMM故障诊断思路 | 第49页 |
| 3.3.3 基于GMM-HMM的故障诊断 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于HMM的故障诊断方法实验验证 | 第52-69页 |
| 4.1 实验方案 | 第52-56页 |
| 4.1.1 测试验证思路 | 第52页 |
| 4.1.2 实验总体步骤 | 第52-53页 |
| 4.1.3 基于VMD与SVD的故障特征提取 | 第53-55页 |
| 4.1.4 基于HMM的故障诊断识别 | 第55-56页 |
| 4.2 基于公开数据集数据测试 | 第56-59页 |
| 4.2.1 数据介绍 | 第56页 |
| 4.2.2 实验结果 | 第56-59页 |
| 4.3 基于实验平台数据测试 | 第59-65页 |
| 4.3.1 数据介绍 | 第59-60页 |
| 4.3.2 实验结果 | 第60-65页 |
| 4.4 方法对比验证 | 第65-68页 |
| 4.4.1 SVM原理 | 第65-66页 |
| 4.4.2 实验验证 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 滚动轴承故障诊断方法的硬件实现 | 第69-84页 |
| 5.1 硬件平台介绍 | 第69-70页 |
| 5.2 上位机接口设计 | 第70-72页 |
| 5.3 故障诊断方法移植实现 | 第72-75页 |
| 5.4 基于Zynq-7000的硬件计算架构探究 | 第75-82页 |
| 5.4.1 硬件计算架构设计 | 第75-78页 |
| 5.4.2 计算架构设计步骤 | 第78-79页 |
| 5.4.3 硬件计算实验结果 | 第79-82页 |
| 5.5 本章小结 | 第82-84页 |
| 结论 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第91-93页 |
| 致谢 | 第93页 |
