| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究的背景意义及发展现状 | 第10-11页 |
| 1.1.1 旋转机械振动信号处理及故障诊断的技术研究意义 | 第10页 |
| 1.1.2 旋转机械振动信号处理及故障诊断的技术研究发展现状 | 第10-11页 |
| 1.2 旋转机械振动信号处理及故障诊断研究方法及内容 | 第11-13页 |
| 1.2.1 振动信号采集、处理和特征提取 | 第11-12页 |
| 1.2.2 故障识别及程度评估 | 第12-13页 |
| 1.3 总体结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 振动信号降噪处理及分析方法 | 第15-23页 |
| 2.1 强噪声背景下早期故障微弱信号的意义及特点 | 第15-16页 |
| 2.1.1 研究强噪声背景早期故障微弱信号的意义 | 第15页 |
| 2.1.2 强噪声背景早期故障微弱信号的特点 | 第15-16页 |
| 2.2 旋转机械振动信号降噪传统方法 | 第16-17页 |
| 2.2.1 幅值分析法 | 第16页 |
| 2.2.2 傅里叶变换及短时傅里叶变换 | 第16-17页 |
| 2.2.3 相关分析法 | 第17页 |
| 2.3 旋转机械振动信号现代降噪方法 | 第17-22页 |
| 2.3.1 Wigner-Vill分部法 | 第18-19页 |
| 2.3.2 小波分析法 | 第19页 |
| 2.3.3 Hibert-Huang变换法 | 第19-20页 |
| 2.3.4 局部均值分解法 | 第20-21页 |
| 2.3.5 变分模态分解 | 第21页 |
| 2.3.6 随机共振 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 旋转机械振动信号处理方法研究 | 第23-37页 |
| 3.1 基于CPSOSR的振动信号降噪处理方法 | 第23-26页 |
| 3.1.1 随机共振原理 | 第23-24页 |
| 3.1.2 粒子群优化算法 | 第24页 |
| 3.1.3 混沌粒子群优化随机共振算法理论 | 第24-26页 |
| 3.2 基于CPSOVMD振动信号分解方法 | 第26-30页 |
| 3.2.1 变分模式分解原理 | 第26-27页 |
| 3.2.2 基于CPSO的变分模态分解参数优化 | 第27-30页 |
| 3.3 基于CPSO-SRVMD的振动信号处理及仿真分析 | 第30-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 故障识别与故障程度评判 | 第37-53页 |
| 4.1 模糊C均值聚类识别方法 | 第37-43页 |
| 4.1.1 隶属度函数概念及确定方法 | 第37-39页 |
| 4.1.2 均方根 | 第39页 |
| 4.1.3 样本熵 | 第39-41页 |
| 4.1.4 FCM方法研究 | 第41-43页 |
| 4.2 基于SRVMD和FCM的故障类型识别方法及验证 | 第43-47页 |
| 4.3 基于双极模糊理论的旋转机械设备故障程度综合评判 | 第47-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 实例验证 | 第53-76页 |
| 5.1 滚动轴承实验平台 | 第53-56页 |
| 5.2 滚动轴承振动信号降噪处理 | 第56-61页 |
| 5.2.1 传统自适应VMD分解(SA-VMD) | 第58页 |
| 5.2.2 参数优化随机共振处理和参数优化VMD分解 | 第58-61页 |
| 5.3 基于模糊C均值聚类的故障识别 | 第61-69页 |
| 5.4 双极模糊理论分析方法的在滚动轴承故障程度评判中的应用 | 第69-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84页 |
