| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 相关研究 | 第10-13页 |
| 1.2.1 状态监测与故障诊断 | 第10-12页 |
| 1.2.2 设备健康状态评价 | 第12-13页 |
| 1.3 本文的研究内容和主要贡献 | 第13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 背景知识与概念 | 第15-25页 |
| 2.1 轴承设备故障机理 | 第15-17页 |
| 2.2 设备状态监测 | 第17-19页 |
| 2.3 故障诊断技术 | 第19-20页 |
| 2.4 多传感器信息融合技术 | 第20-22页 |
| 2.5 健康状态评价技术 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 轴承设备健康状态评价指标的选取与计算 | 第25-39页 |
| 3.1 数据来源 | 第25-26页 |
| 3.2 特征提取 | 第26-32页 |
| 3.2.1 基于统计量的特征提取 | 第26-29页 |
| 3.2.2 基于EMD能量值的特征提取 | 第29-32页 |
| 3.3 特征值的优化选取 | 第32-38页 |
| 3.3.1 SVM分类器 | 第32-36页 |
| 3.3.2 基于SVM的特征值优化 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于改进D-S证据理论的多传感器数据融合技术 | 第39-47页 |
| 4.1 D-S证据理论 | 第39-41页 |
| 4.1.1 理论概述 | 第39-41页 |
| 4.1.2 D-S证据理论的缺陷 | 第41页 |
| 4.2 基于递推式动态权值分配的多证据融合方法 | 第41-45页 |
| 4.2.1 算法的改进 | 第41-43页 |
| 4.2.2 改进算法的比较 | 第43-44页 |
| 4.2.3 改进算法的优势 | 第44-45页 |
| 4.3 SVM后验概率的BPA输出 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 轴承设备健康状态评价系统的设计与实现 | 第47-59页 |
| 5.1 系统设计与技术实现 | 第47-49页 |
| 5.1.1 设计原则 | 第47页 |
| 5.1.2 功能设计 | 第47-48页 |
| 5.1.3 核心技术实现 | 第48-49页 |
| 5.2 设备健康状态评价模型的构建 | 第49-50页 |
| 5.3 设备健康状况等级划分 | 第50-51页 |
| 5.4 系统实现与数据验证 | 第51-57页 |
| 5.4.1 系统界面展示 | 第51页 |
| 5.4.2 数据验证 | 第51-57页 |
| 5.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间所取得的成果 | 第65-67页 |
| 致谢 | 第67页 |