| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 基于声发射的诊断技术概述 | 第11-13页 |
| 1.3 声发射技术在滚动接触疲劳诊断领域研究现状 | 第13-14页 |
| 1.3.1 现阶段研究成果 | 第13-14页 |
| 1.3.2 现阶段研究的不足 | 第14页 |
| 1.4 课题主要研究内容 | 第14-16页 |
| 第2章 基于声发射技术的轴承滚动接触疲劳信号处理方法研究 | 第16-37页 |
| 2.1 基于小波包分解的轴承滚动接触疲劳声发射信号特征提取 | 第16-25页 |
| 2.1.1 小波包分解的基本理论及案例仿真分析 | 第16-18页 |
| 2.1.2 基于小波包分解的声发射信号能量特征提取 | 第18-22页 |
| 2.1.3 基于小波包分解的声发射信号信息熵特征提取 | 第22-25页 |
| 2.2 基于主分量分析法的轴承滚动接触疲劳声发射信号特征选择 | 第25-26页 |
| 2.3 轴承滚动接触疲劳声发射信号的模式识别方法研究 | 第26-36页 |
| 2.3.1 基于支持向量机的声发射信号特征模式识别 | 第27-31页 |
| 2.3.2 基于BP神经网络的声发射信号特征模式识别 | 第31-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于信息融合技术的轴承滚动接触疲劳信号处理方法研究 | 第37-44页 |
| 3.1 信息融合理论概述 | 第37-40页 |
| 3.1.1 信息融合的基本概念与特点 | 第37-38页 |
| 3.1.3 信息融合技术的分类及主要算法 | 第38-40页 |
| 3.1.4 信息融合理论在轴承故障诊断领域的研究成果 | 第40页 |
| 3.2 基于信息融合技术的轴承滚动接触疲劳量化诊断局部方案设计 | 第40-42页 |
| 3.2.1 基于特征串行法的特征级信息融合诊断局部方案 | 第40-41页 |
| 3.2.2 实例分析 | 第41-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第4章 基于声发射技术的轴承滚动接触疲劳量化诊断系统设计 | 第44-60页 |
| 4.1 量化诊断系统的功能设计 | 第44-45页 |
| 4.2 量化诊断系统的总体设计 | 第45-59页 |
| 4.2.1 硬件系统的设计 | 第46-49页 |
| 4.2.2 软件系统的设计 | 第49-50页 |
| 4.2.3 软件系统的声发射信号处理流程及主要算法设计 | 第50-54页 |
| 4.2.4 软件系统的声发射信号处理界面设计 | 第54-57页 |
| 4.2.5 声发射信号采集卡参数设置 | 第57-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第5章 基于声发射技术的轴承滚动接触疲劳量化诊断的试验研究 | 第60-74页 |
| 5.1 轴承滚动接触疲劳量化诊断的试验方案与步骤 | 第60-64页 |
| 5.1.1 试验方案设计 | 第60-62页 |
| 5.1.2 试验步骤与过程 | 第62-64页 |
| 5.2 轴承滚动接触疲劳量化诊断试验数据的分析与处理 | 第64-73页 |
| 5.2.1 试验数据的预处理 | 第64-65页 |
| 5.2.2 试验数据的特征提取及融合 | 第65-68页 |
| 5.2.3 试验数据特征选择 | 第68-69页 |
| 5.2.4 试验数据的特征模式识别 | 第69-73页 |
| 5.3 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-88页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第88-89页 |
| 致谢 | 第89页 |
