| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究的背景和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 基于现代信号处理的故障诊断方法 | 第13-16页 |
| 1.2.2 基于机器学习的故障诊断方法 | 第16-19页 |
| 1.3 主要研究内容和总体框架 | 第19-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第2章 旋转机械的故障诊断理论 | 第22-29页 |
| 2.1 引言 | 第22-23页 |
| 2.2 滚动轴承故障的振动机理 | 第23-24页 |
| 2.3 滚动轴承的故障特征 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于自适应CEEMD的早期故障特征提取方法 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 方法与原理 | 第29-33页 |
| 3.2.1 CEEMD的基本原理 | 第29-30页 |
| 3.2.2 最小二乘互信息的原理 | 第30-33页 |
| 3.2.3 网格搜索算法的原理 | 第33页 |
| 3.3 算法流程 | 第33-35页 |
| 3.4 仿真分析 | 第35-38页 |
| 3.5 故障实例分析 | 第38-42页 |
| 3.5.1 滚动轴承实验台简介 | 第39页 |
| 3.5.2 故障特征提取 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于完备CEEMD的早期故障特征提取方法 | 第43-61页 |
| 4.1 引言 | 第43页 |
| 4.2 方法与原理 | 第43-45页 |
| 4.2.1 包络拟合过冲/欠冲分析 | 第43-44页 |
| 4.2.2 端点效应分析 | 第44-45页 |
| 4.3 保形分段三次样条插值算法 | 第45-50页 |
| 4.3.1 保形分段插值的构造 | 第45页 |
| 4.3.2 插值曲线在型值点处的切矢 | 第45-46页 |
| 4.3.3 保形性分析 | 第46-48页 |
| 4.3.4 实验分析 | 第48-50页 |
| 4.4 基于同伦算法的最小二乘支持向量双回归 | 第50-56页 |
| 4.5 故障实验分析 | 第56-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 基于最优VMD的早期故障特征提取方法 | 第61-91页 |
| 5.1 引言 | 第61页 |
| 5.2 变分模态分解 | 第61-64页 |
| 5.2.1 变分模型的建立 | 第61-62页 |
| 5.2.2 变分模型的求解 | 第62-63页 |
| 5.2.3 变分模型的参数影响 | 第63-64页 |
| 5.3 变维混沌鸽群优化算法 | 第64-75页 |
| 5.3.1 鸽群优化算法的数学模型 | 第64-65页 |
| 5.3.2 鸽群优化算法的改进 | 第65-75页 |
| 5.4 故障特征提取 | 第75-80页 |
| 5.4.1 Teager能量算子 | 第76页 |
| 5.4.2 适应度函数 | 第76-78页 |
| 5.4.3 基于峭度准则的信号重构 | 第78页 |
| 5.4.4 基于最优VMD算法的故障特征提取 | 第78-80页 |
| 5.5 故障仿真分析 | 第80-85页 |
| 5.6 故障实例分析 | 第85-90页 |
| 5.7 本章小结 | 第90-91页 |
| 第6章 基于多分类相关向量机的变负荷工况下的滚动轴承故障诊断 | 第91-109页 |
| 6.1 引言 | 第91-92页 |
| 6.2 故障特征提取 | 第92-99页 |
| 6.2.1 FOA的数学模型 | 第92-93页 |
| 6.2.2 改进的FOA算法 | 第93-94页 |
| 6.2.3 VMD参数寻优 | 第94-95页 |
| 6.2.4 仿真信号建模 | 第95-96页 |
| 6.2.5 对比分析 | 第96-99页 |
| 6.3 多分类RVM | 第99-102页 |
| 6.3.1 RVM的基本原理 | 第99-100页 |
| 6.3.2 “嵌套一对一”多分类算法 | 第100-102页 |
| 6.3.3 故障特征选择 | 第102页 |
| 6.4 故障诊断流程 | 第102-103页 |
| 6.5 故障实例分析 | 第103-108页 |
| 6.5.1 变负荷工况下的实验数据 | 第103-104页 |
| 6.5.2 故障特征提取 | 第104-105页 |
| 6.5.3 故障诊断结果 | 第105-108页 |
| 6.6 本章小结 | 第108-109页 |
| 第7章 基于变分相关向量机的变负荷工况下的滚动轴承故障诊断 | 第109-134页 |
| 7.1 引言 | 第109页 |
| 7.2 故障特征提取 | 第109-119页 |
| 7.2.1 量子混沌FOA算法 | 第109-112页 |
| 7.2.2 VMD参数寻优 | 第112-114页 |
| 7.2.3 仿真分析 | 第114-119页 |
| 7.3 改进的变分相关向量机 | 第119-125页 |
| 7.3.1 变分相关向量机 | 第119-124页 |
| 7.3.2 PROBIT模型 | 第124-125页 |
| 7.4 故障实例分析 | 第125-133页 |
| 7.4.1 变负荷工况下的故障特征提取 | 第125-129页 |
| 7.4.2 故障数据的选择 | 第129-130页 |
| 7.4.3 故障诊断结果 | 第130-133页 |
| 7.5 本章小结 | 第133-134页 |
| 第8章 总结与展望 | 第134-137页 |
| 8.1 总结 | 第134-135页 |
| 8.2 展望 | 第135-137页 |
| 致谢 | 第137-138页 |
| 参考文献 | 第138-149页 |
| 附录1 攻读博士学位期间取得的科研成果 | 第149-151页 |
| 附录2 攻读博士学位期间参加的科研项目 | 第151页 |
