基于EMD与SVM的滚动轴承故障诊断方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 滚动轴承故障诊断研究历程 | 第10-11页 |
| 1.4 滚动轴承故障诊断技术概述 | 第11-15页 |
| 1.4.1 特征提取方法 | 第11-13页 |
| 1.4.2 模式识别方法 | 第13-15页 |
| 1.5 本文主要研究内容 | 第15-16页 |
| 第2章 滚动轴承失效与振动分析 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 滚动轴承的基本结构及分类 | 第16-18页 |
| 2.3 滚动轴承的失效形式 | 第18-19页 |
| 2.4 滚动轴承的振动机理 | 第19-20页 |
| 2.5 滚动轴承的振动特征 | 第20-22页 |
| 2.5.1 滚动轴承固有振动频率 | 第20-21页 |
| 2.5.2 滚动轴承故障特征频率 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 经验模态分解方法及其改进研究 | 第23-44页 |
| 3.1 引言 | 第23页 |
| 3.2 经验模态分解基本理论 | 第23-28页 |
| 3.2.1 瞬时频率与特征模态函数 | 第23-24页 |
| 3.2.2 经验模态分解 | 第24-28页 |
| 3.2.3 EMD的研究方向 | 第28页 |
| 3.3 模态混叠问题及其抑制方法研究 | 第28-36页 |
| 3.3.1 模态混叠问题 | 第28-30页 |
| 3.3.2 模态混叠抑制方法研究 | 第30-31页 |
| 3.3.3 自适应幅值高频谐波加入法 | 第31-36页 |
| 3.4 端点效应问题及其抑制方法研究 | 第36-43页 |
| 3.4.1 端点效应问题 | 第36-38页 |
| 3.4.2 端点效应抑制方法研究 | 第38-40页 |
| 3.4.3 改进镜像极值延拓法 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 支持向量机算法及其改进研究 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 支持向量机基本理论 | 第44-51页 |
| 4.2.1 统计学习理论 | 第44-47页 |
| 4.2.2 支持向量机 | 第47-49页 |
| 4.2.3 核函数 | 第49-51页 |
| 4.2.4 支持向量机的研究方向 | 第51页 |
| 4.3 支持向量机改进方法研究 | 第51-57页 |
| 4.3.1 径向基函数及SVM参数 | 第52页 |
| 4.3.2 SVM模型参数优化 | 第52-53页 |
| 4.3.3 遗传算法参数优化SVM模型 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 滚动轴承故障诊断技术实验研究 | 第58-69页 |
| 5.1 引言 | 第58页 |
| 5.2 滚动轴承实验数据简介 | 第58-62页 |
| 5.3 滚动轴承故障诊断过程 | 第62-68页 |
| 5.3.1 振动信号特征提取 | 第62-63页 |
| 5.3.2 运行状态模式识别 | 第63-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 滚动轴承故障诊断系统软件实现及应用研究 | 第69-74页 |
| 6.1 引言 | 第69页 |
| 6.2 滚动轴承故障诊断软件系统开发 | 第69-70页 |
| 6.2.1 MATLAB图形用户界面 | 第69页 |
| 6.2.2 滚动轴承故障诊断软件系统结构 | 第69-70页 |
| 6.3 滚动轴承故障诊断软件实例研究 | 第70-73页 |
| 6.4 本章小结 | 第73-74页 |
| 第7章 结论与展望 | 第74-76页 |
| 7.1 结论 | 第74-75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录A 滚动轴承不同运行状态下各样本的特征向量 | 第80-86页 |
| 附录B 攻读学位期间发表的学术论文 | 第86-87页 |
| 致谢 | 第87页 |
