摘要 | 第1-6页 |
Abstract | 第6-11页 |
1 绪论 | 第11-31页 |
·选题的背景与意义 | 第11-12页 |
·滚动轴承故障诊断概述 | 第12-20页 |
·滚动轴承监测与诊断研究的发展历程 | 第12-13页 |
·滚动轴承基本的失效形式 | 第13-15页 |
·滚动轴承故障信息的主要获取方法 | 第15-16页 |
·滚动轴承的振动机理 | 第16-20页 |
·滚动轴承故障诊断中特征提取与模式识别研究现状 | 第20-28页 |
·滚动轴承故障特征提取方法的研究现状 | 第20-26页 |
·故障模式识别方法的研究现状 | 第26-28页 |
·论文的主要内容及安排 | 第28-31页 |
·论文研究的主要思路 | 第28-29页 |
·论文研究的主要内容 | 第29-31页 |
2 基于IMF峭度和SVM的滚动轴承故障诊断 | 第31-50页 |
·引言 | 第31-32页 |
·峭度 | 第32页 |
·EMD的基本原理 | 第32-39页 |
·瞬时频率的概念 | 第33-34页 |
·内蕴模式函数 | 第34-35页 |
·EMD分解过程 | 第35-37页 |
·EMD方法的正交性和完备性 | 第37-39页 |
·支持向量机 | 第39-42页 |
·基于IMF峭度和SVM的滚动轴承故障诊断 | 第42-49页 |
·基于IMF峭度和SVM的滚动轴承故障诊断步骤 | 第42页 |
·实验数据 | 第42-44页 |
·实验信号分析 | 第44-49页 |
·本章小结 | 第49-50页 |
3 基于IMF包络样本熵和SVM的滚动轴承故障诊断 | 第50-62页 |
·引言 | 第50-51页 |
·熵的概念及发展 | 第51-53页 |
·样本熵 | 第53-54页 |
·样本熵计算 | 第53页 |
·样本熵计算中参数的选取 | 第53-54页 |
·基于IMF包络样本熵和SVM的滚动轴承故障诊断 | 第54-61页 |
·基于IMF包络样本熵和SVM的滚动轴承故障诊断步骤 | 第54-55页 |
·实验信号分析 | 第55-61页 |
·本章小结 | 第61-62页 |
4 层次熵在滚动轴承故障诊断中的应用研究 | 第62-79页 |
·引言 | 第62-63页 |
·样本熵计算及参数选择 | 第63-64页 |
·多尺度熵概念 | 第64页 |
·层次熵算法 | 第64-66页 |
·基于层次熵和SVM的滚动轴承故障诊断 | 第66-77页 |
·基于层次熵和SVM的滚动轴承故障诊断步骤 | 第66页 |
·实验信号分析 | 第66-77页 |
·三种特征参数分类性能比较 | 第77-78页 |
·本章小结 | 第78-79页 |
5 EMD和相关系数在滚动轴承早期故障检测与诊断中的应用 | 第79-92页 |
·引言 | 第79-80页 |
·相关系数的定义 | 第80-81页 |
·基于EMD和相关系数的轴承早期故障检测步骤 | 第81-82页 |
·实验信号分析 | 第82-91页 |
·实验数据 | 第82页 |
·基于EMD和相关系数的轴承早期故障检测 | 第82-87页 |
·基于EMD和包络分析的轴承故障识别 | 第87-91页 |
·本章小结 | 第91-92页 |
6 希尔伯特振动分解在滚动轴承诊断中的应用 | 第92-114页 |
·引言 | 第92-93页 |
·希尔伯特振动分解 | 第93-99页 |
·希尔伯特变换和解析信号表达 | 第93-94页 |
·多分量组成的振动信号 | 第94-95页 |
·HVD方法 | 第95-97页 |
·HVD模拟分析 | 第97-99页 |
·HVD和EMD仿真分析 | 第99-107页 |
·基于波形匹配的端点延拓 | 第100-102页 |
·所含分量频率相近时的HVD和EMD分解 | 第102-103页 |
·含间断信号的HVD和EMD分解 | 第103-105页 |
·含冲击信号的HVD和EMD分解 | 第105-107页 |
·实验信号分析 | 第107-113页 |
·基于HVD的滚动轴承故障诊断步骤 | 第107页 |
·实验数据1 | 第107-111页 |
·实验数据2 | 第111-113页 |
·本章小结 | 第113-114页 |
结论 | 第114-116页 |
创新点摘要 | 第116-117页 |
参考文献 | 第117-129页 |
攻读博士学位期间发表学术论文情况 | 第129-130页 |
攻读博士学位期间参加的科研项目情况 | 第130-131页 |
致谢 | 第131-132页 |
作者简介 | 第132-133页 |