| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-30页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 滚动轴承故障诊断概述 | 第16-19页 |
| 1.2.1 滚动轴承的基本结构 | 第16-17页 |
| 1.2.2 滚动轴承故障形式及其振动特征 | 第17-18页 |
| 1.2.3 滚动轴承故障诊断的发展历程 | 第18-19页 |
| 1.3 滚动轴承故障诊断中几个关键问题的研究现状 | 第19-28页 |
| 1.3.1 信号降噪问题的研究现状 | 第19-22页 |
| 1.3.2 故障特征提取的研究现状 | 第22-25页 |
| 1.3.3 复合故障诊断的研究现状 | 第25-26页 |
| 1.3.4 智能诊断技术的研究现状 | 第26-28页 |
| 1.4 论文的主要工作和结构安排 | 第28-30页 |
| 1.4.1 论文的主要工作 | 第28页 |
| 1.4.2 论文的结构安排 | 第28-30页 |
| 第2章 基于倒谱预白化和奇异值分解重构的故障特征提取 | 第30-51页 |
| 2.1 引言 | 第30页 |
| 2.2 倒谱预白化理论 | 第30-36页 |
| 2.2.1 倒谱定义 | 第30-31页 |
| 2.2.2 复倒谱与实倒谱 | 第31-32页 |
| 2.2.3 倒谱预白化 | 第32-36页 |
| 2.3 奇异值分解和重构 | 第36-43页 |
| 2.3.1 奇异值理论 | 第36-37页 |
| 2.3.2 信号的奇异值分解 | 第37-38页 |
| 2.3.3 信号的奇异值重构 | 第38-39页 |
| 2.3.4 仿真信号实例分析 | 第39-43页 |
| 2.4 算法流程 | 第43页 |
| 2.5 滚动轴承信号分析 | 第43-49页 |
| 2.5.1 实验台介绍 | 第43-44页 |
| 2.5.2 故障滚动轴承介绍 | 第44-45页 |
| 2.5.3 实验分析 | 第45-49页 |
| 2.6 本章小结 | 第49-51页 |
| 第3章 基于自适应多尺度自互补Top-Hat变换的微弱故障诊断 | 第51-69页 |
| 3.1 引言 | 第51-52页 |
| 3.2 数学形态滤波的基本原理 | 第52-57页 |
| 3.2.1 数学形态基本变换 | 第52-53页 |
| 3.2.2 自互补Top-Hat变换 | 第53-57页 |
| 3.3 多尺度自互补Top-Hat变换 | 第57-59页 |
| 3.3.1 多尺度的意义 | 第57-58页 |
| 3.3.2 构建多尺度自互补Top-Hat变换 | 第58-59页 |
| 3.4 结构元素的选择与多尺度的确定 | 第59-60页 |
| 3.4.1 结构元素形状的选择 | 第59-60页 |
| 3.4.2 结构元素尺度的确定 | 第60页 |
| 3.5 实验分析 | 第60-68页 |
| 3.5.1 算法流程 | 第60-61页 |
| 3.5.2 仿真信号分析 | 第61-63页 |
| 3.5.3 实验信号分析 | 第63-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第4章 基于改进谐波小波包分解的复合故障特征分离 | 第69-90页 |
| 4.1 引言 | 第69-70页 |
| 4.2 谐波小波理论 | 第70-72页 |
| 4.2.1 谐波小波分解 | 第70-71页 |
| 4.2.2 谐波小波包分解 | 第71-72页 |
| 4.3 改进的谐波小波分解 | 第72-78页 |
| 4.3.1 谐波窗分解 | 第72-74页 |
| 4.3.2 改进的谐波小波包分解 | 第74-78页 |
| 4.4 轴承复合故障特征分离 | 第78-80页 |
| 4.4.1 复合故障信号的分解 | 第78-79页 |
| 4.4.2 权重因子的求解 | 第79-80页 |
| 4.4.3 单一故障信号的重构 | 第80页 |
| 4.5 仿真信号验证 | 第80-84页 |
| 4.5.1 滚动轴承内、外圈复合故障仿真信号 | 第80-84页 |
| 4.5.2 仿真信号复合故障特征分离 | 第84页 |
| 4.6 实验信号验证 | 第84-88页 |
| 4.7 本章小结 | 第88-90页 |
| 第5章 基于时间-小波能量谱样本熵的智能诊断研究 | 第90-113页 |
| 5.1 引言 | 第90-91页 |
| 5.2 Hermitian小波变换 | 第91-95页 |
| 5.2.1 Hermitian小波 | 第91-94页 |
| 5.2.2 时间-小波能量谱 | 第94-95页 |
| 5.3 样本熵 | 第95-99页 |
| 5.3.1 熵理论及发展 | 第95-96页 |
| 5.3.2 样本熵的计算及参数选择 | 第96-97页 |
| 5.3.3 时间-小波能量谱样本熵 | 第97-99页 |
| 5.4 滚动轴承故障模式识别 | 第99-106页 |
| 5.4.1 模式识别流程 | 第99-100页 |
| 5.4.2 数据长度的选择 | 第100-101页 |
| 5.4.3 实验分析 | 第101-106页 |
| 5.5 滚动轴承运行状态检测 | 第106-111页 |
| 5.5.1 故障对时间-小波能量谱样本熵的影响 | 第106-108页 |
| 5.5.2 轴承运行状态检测流程 | 第108页 |
| 5.5.3 轴承全寿命周期实验分析 | 第108-111页 |
| 5.6 本章小结 | 第111-113页 |
| 第6章 结论与展望 | 第113-116页 |
| 6.1 论文总结 | 第113-115页 |
| 6.2 研究展望 | 第115-116页 |
| 参考文献 | 第116-130页 |
| 攻读博士学位期间发表的论文及其它成果 | 第130-131页 |
| 攻读博士学位期间参加的科研工作 | 第131-133页 |
| 致谢 | 第133-134页 |
| 作者简介 | 第134页 |