摘要 | 第1-15页 |
ABSTRACT | 第15-18页 |
第1章 绪论 | 第18-34页 |
·研究背景与意义 | 第18-19页 |
·滚动轴承故障与诊断过程 | 第19-22页 |
·滚动轴承故障类型 | 第19-20页 |
·轴承故障诊断过程 | 第20-22页 |
·轴承振动信号预处理方法 | 第22页 |
·滚动轴承特征提取方法的研究现状 | 第22-27页 |
·平稳信号法 | 第23-25页 |
·非平稳信号法 | 第25-27页 |
·滚动轴承故障模式识别方法的研究现状 | 第27-30页 |
·人工神经网络方法 | 第28页 |
·支持向量机识别法 | 第28-29页 |
·模糊推理 | 第29页 |
·其他技术 | 第29-30页 |
·本文研究方法和主要内容 | 第30-34页 |
·研究方法 | 第30页 |
·研究内容 | 第30-31页 |
·章节安排 | 第31-34页 |
第2章 基于平稳小波变换的轴承振动信号降噪 | 第34-50页 |
·引言 | 第34-35页 |
·小波去噪方法 | 第35-39页 |
·降噪数学模型 | 第35页 |
·小波去噪原理与方法 | 第35-37页 |
·阈值函数 | 第37-39页 |
·平稳小波变换及其在轴承信号去噪中的应用 | 第39-43页 |
·平稳小波变换理论基础 | 第39-40页 |
·基于峭度的阈值选取方法 | 第40-41页 |
·新的阈值函数 | 第41-43页 |
·实验验证 | 第43-49页 |
·仿真实验 | 第43-46页 |
·实验验证 | 第46-49页 |
·本章小结 | 第49-50页 |
第3章 基于图像矩的轴承故障特征提取 | 第50-64页 |
·希尔伯特双谱理论 | 第50-55页 |
·希尔伯特包络 | 第51页 |
·双谱理论 | 第51-52页 |
·希尔伯特-双谱 | 第52-55页 |
·双谱图矩特征与选取 | 第55-58页 |
·矩特征理论 | 第55-57页 |
·矩特征的选取 | 第57-58页 |
·基于PCA的特征提取 | 第58-60页 |
·实验验证 | 第60-62页 |
·主成分分析结果 | 第60-61页 |
·运行状态分类结果 | 第61-62页 |
·小结 | 第62-64页 |
第4章 基于参数最优MORLET小波的轴承故障特征提取 | 第64-78页 |
·引言 | 第64-65页 |
·Morlet小波参数及其优化 | 第65-69页 |
·Morlet小波理论基础 | 第65-67页 |
·Morlet小波参数优化 | 第67-69页 |
·模拟退火算法在优化Morlet小波中的应用 | 第69-73页 |
·模拟退火算法基础理论 | 第69-70页 |
·模拟退火算法关键参数的设计 | 第70-73页 |
·实验验证 | 第73-77页 |
·仿真实验 | 第73-74页 |
·实验验证 | 第74-77页 |
·小结 | 第77-78页 |
第5章 基于最小二乘支持向量机的轴承故障诊断 | 第78-88页 |
·引言 | 第78-79页 |
·最小二乘支持向量机理论 | 第79-82页 |
·模拟退火算法 | 第82-83页 |
·实例分析 | 第83-87页 |
·实验数据 | 第83-84页 |
·数据集 | 第84-85页 |
·特征提取 | 第85页 |
·对比分析 | 第85-87页 |
·小结 | 第87-88页 |
第6章 基于加权FCM算法的轴承故障诊断 | 第88-100页 |
·引言 | 第88-89页 |
·算法描述 | 第89-91页 |
·FCM算法 | 第89-90页 |
·特征加权FCM算法 | 第90-91页 |
·特征评价和选择 | 第91-94页 |
·特征提取 | 第91-93页 |
·特征评价 | 第93-94页 |
·特征选择 | 第94页 |
·基于加权FCM算法故障诊断方法 | 第94-95页 |
·实验验证 | 第95-99页 |
·实验数据 | 第95-96页 |
·故障诊断 | 第96-98页 |
·讨论 | 第98-99页 |
·小结 | 第99-100页 |
第7章 结论与展望 | 第100-102页 |
·结论 | 第100-101页 |
·展望 | 第101-102页 |
参考文献 | 第102-116页 |
致谢 | 第116-118页 |
攻读博士学位期间发表的学术论文 | 第118-120页 |
英文论文1 | 第120-128页 |
英文论文2 | 第128-138页 |
学位论文评阅及答辩情况表 | 第138页 |