| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 选题背景及研究意义 | 第14-15页 |
| 1.2 滚动轴承故障诊断研究现状及发展趋势 | 第15-20页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.2.3 传统故障诊断方法的局限性及发展趋势 | 第18-20页 |
| 1.3 本文的主要研究内容 | 第20-23页 |
| 1.3.1 本文的研究思路 | 第20-21页 |
| 1.3.2 本文章节研究内容的安排 | 第21-22页 |
| 1.3.3 本文的创新点 | 第22-23页 |
| 1.4 本章小结 | 第23-24页 |
| 第二章 局部均值分解时频分析的应用研究 | 第24-38页 |
| 2.1 引言 | 第24-25页 |
| 2.2 经验模态分解方法 | 第25-28页 |
| 2.2.1 经验模态分解方法概述 | 第25-26页 |
| 2.2.2 本征模态函数 | 第26页 |
| 2.2.3 EMD的分解原理 | 第26-28页 |
| 2.3 Hilbert变换 | 第28页 |
| 2.4 局部均值分解方法 | 第28-33页 |
| 2.4.1 局部均值分解方法概述 | 第28-29页 |
| 2.4.2 局部均值分解方法的基本原理 | 第29-33页 |
| 2.5 LMD方法与EMD方法的比较 | 第33页 |
| 2.6 LMD方法的仿真 | 第33-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 条件局部均值分解时频分析的应用研究 | 第38-44页 |
| 3.1 引言 | 第38页 |
| 3.2 CLMD方法 | 第38-39页 |
| 3.3 CLMD方法与LMD方法的对比研究分析 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于条件局部均值分解与变量预测模型的滚动轴承故障诊断 | 第44-68页 |
| 4.1 引言 | 第44-45页 |
| 4.2 滚动轴承概述 | 第45-50页 |
| 4.2.1 滚动轴承故障分析 | 第45-48页 |
| 4.2.2 滚动轴承振动机理 | 第48-49页 |
| 4.2.3 滚动轴承故障诊断系统 | 第49-50页 |
| 4.3 VPMCD方法 | 第50-52页 |
| 4.4 基于CLMD与VPMCD的滚动轴承故障诊断 | 第52-58页 |
| 4.4.1 故障诊断流程 | 第52-53页 |
| 4.4.2 数据采集 | 第53-54页 |
| 4.4.3 故障特征提取 | 第54-56页 |
| 4.4.4 变量预测模型的模型建立和故障模式识别 | 第56-58页 |
| 4.5 BP神经网络 | 第58-62页 |
| 4.5.1 BP神经网络结构 | 第58-60页 |
| 4.5.2 BP网络学习算法 | 第60-61页 |
| 4.5.3 BP神经网络的设计 | 第61-62页 |
| 4.6 最小二乘支持向量机 | 第62-63页 |
| 4.6.1 支持向量机 | 第62页 |
| 4.6.2 支持向量机的特点 | 第62-63页 |
| 4.7 对比实验分析 | 第63-65页 |
| 4.8 本章小结 | 第65-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 开展的研究工作 | 第68-69页 |
| 5.2 进一步工作展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78-79页 |