| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-26页 |
| ·论文研究背景和意义 | 第13-14页 |
| ·滚动轴承故障识别的国内外研究现状 | 第14-23页 |
| ·滚动轴承故障识别中的特征提取 | 第14-21页 |
| ·常用的故障识别技术 | 第21-23页 |
| ·论文的主要研究内容和结构 | 第23-26页 |
| ·论文的主要研究工作 | 第23-24页 |
| ·论文的组织结构 | 第24-26页 |
| 第2章 基于振动信号的滚动轴承故障识别理论 | 第26-37页 |
| ·滚动轴承故障信号的预处理 | 第26-30页 |
| ·常用的去噪方法 | 第26-28页 |
| ·阈值去噪原理 | 第28-29页 |
| ·小波降噪常用的阈值选择方法 | 第29-30页 |
| ·小波包降噪常用的阈值选择方法 | 第30页 |
| ·EM 算法 | 第30-33页 |
| ·EM 算法的基本理论 | 第30-32页 |
| ·EM 算法的实现步骤 | 第32-33页 |
| ·EM 算法的用途 | 第33页 |
| ·EM 算法的优缺点 | 第33页 |
| ·势能函数算法 | 第33-36页 |
| ·势能函数概述 | 第34-35页 |
| ·势能函数训练学习过程 | 第35-36页 |
| ·势能函数算法的优缺点 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于距离评估因子的滚动轴承特征参数选择算法 | 第37-54页 |
| ·滚动轴承故障识别中的特征选择 | 第37-39页 |
| ·常用的特征选择方法 | 第37-38页 |
| ·距离评估因子评估准则 | 第38-39页 |
| ·滚动轴承故障识别中特征参数的选取 | 第39-42页 |
| ·故障特征参数选取的原则 | 第39-40页 |
| ·时域特征参数 | 第40-41页 |
| ·频域特征参数 | 第41-42页 |
| ·滚动轴承故障特征参数选择流程 | 第42-43页 |
| ·一种有效的特征向量——小波能量 | 第43-45页 |
| ·小波基的选取原则 | 第44页 |
| ·小波能量生成步骤 | 第44-45页 |
| ·滚动轴承故障特征选择仿真实验 | 第45-54页 |
| ·实验数据 | 第45-46页 |
| ·实验数据预处理 | 第46-48页 |
| ·计算时域频域特征参数 | 第48-51页 |
| ·对比实验 | 第51-53页 |
| ·实验分析 | 第53-54页 |
| 第4章 基于有限高斯混合模型 EM 算法的故障识别 | 第54-62页 |
| ·有限高斯混合模型基本思想 | 第54-55页 |
| ·高斯混合模型 | 第54页 |
| ·GMM 的引入意义 | 第54-55页 |
| ·基于有限高斯混合模型 EM 算法的滚动轴承故障识别 | 第55-58页 |
| ·基于有限高斯混合模型 EM 算法 | 第55-56页 |
| ·基于有限高斯混合模型 EM 算法故障识别的基本流程 | 第56-57页 |
| ·滚动轴承故障识别的参数设置 | 第57-58页 |
| ·对比实验 | 第58-60页 |
| ·基于有限高斯混合模型 EM 算法的故障识别效果分析 | 第60-62页 |
| 第5章 基于势能函数的滚动轴承故障识别算法 | 第62-70页 |
| ·势能函数的引入 | 第62页 |
| ·常用的解决多分类问题的方法 | 第62页 |
| ·训练开始 | 第62-65页 |
| ·第二模式样本参加训练 | 第63-64页 |
| ·任意点的确定 | 第64-65页 |
| ·判别函数 | 第65页 |
| ·势能函数实现故障多分类 | 第65-67页 |
| ·基于势能函数的滚动轴承故障识别 | 第67-69页 |
| ·势能函数滚动轴承故障识别效果分析 | 第69-70页 |
| 第6章 总结和展望 | 第70-73页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第79-80页 |
