| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 变量注释表 | 第15-16页 |
| 1 绪论 | 第16-25页 |
| 1.1 课题来源和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-23页 |
| 1.3 论文研究内容与章节安排 | 第23-25页 |
| 2 矿用带式输送机托辊故障特性分析 | 第25-35页 |
| 2.1 引言 | 第25页 |
| 2.2 带式输送机的基本结构及常见故障 | 第25-27页 |
| 2.3 矿用带式输送机托辊概述 | 第27-32页 |
| 2.4 带式输送机托辊故障实验台 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 3 巡检系统的硬件电路设计 | 第35-48页 |
| 3.1 引言 | 第35页 |
| 3.2 系统硬件结构 | 第35-41页 |
| 3.3 数据采集电路设计 | 第41-43页 |
| 3.4 存储电路设计 | 第43-45页 |
| 3.5 无线传输模块电路设计 | 第45-47页 |
| 3.6 本章总结 | 第47-48页 |
| 4 滚动轴承声学信号的特征提取方法 | 第48-58页 |
| 4.1 引言 | 第48页 |
| 4.2 信息熵特征提取算法 | 第48-49页 |
| 4.3 声学信号奇异值谱熵的特征提取 | 第49-51页 |
| 4.4 声学信号功率谱熵的特征提取 | 第51-52页 |
| 4.5 声学信号小波分解的能量熵的特征提取 | 第52-54页 |
| 4.6 实验分析 | 第54-56页 |
| 4.7 本章小结 | 第56-58页 |
| 5 基于PSO-LSSVM的轴承故障诊断 | 第58-69页 |
| 5.1 引言 | 第58页 |
| 5.2 支持向量机算法的相关理论 | 第58-61页 |
| 5.3 最小二乘支持向量机(LSSVM)分类 | 第61-63页 |
| 5.4 LSSVM算法参数的确定 | 第63-65页 |
| 5.5 基于PSO-LSSVM算法的滚动轴承故障诊断 | 第65-68页 |
| 5.6 本章小结 | 第68-69页 |
| 6 系统调试与验证 | 第69-79页 |
| 6.1 引言 | 第69页 |
| 6.2 基于MATLAB_GUI的故障诊断程序 | 第69-71页 |
| 6.3 总体方案设计 | 第71-74页 |
| 6.4 系统测试 | 第74-77页 |
| 6.5 本章小结 | 第77-79页 |
| 7 总结与展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 作者简历 | 第86-88页 |
| 学位论文数据集 | 第88页 |