| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 主要符号对照表 | 第11-12页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 课题背景 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 发展动态 | 第14-17页 |
| 1.3.1 温度检测法 | 第15-16页 |
| 1.3.2 油样分析法 | 第16页 |
| 1.3.3 振动检测法 | 第16-17页 |
| 1.4 滚动轴承故障的基本形式 | 第17-20页 |
| 1.5 滚动轴承振动信号的特征 | 第20-22页 |
| 1.5.1 滚动轴承的旋转结构 | 第20-21页 |
| 1.5.2 滚动轴承故障的固有频率 | 第21-22页 |
| 1.6 本课题研究目的和意义 | 第22页 |
| 1.7 本章小结 | 第22-23页 |
| 第2章 数据预处理技术 | 第23-30页 |
| 2.1 滚动轴承故障诊断模型 | 第23页 |
| 2.2 共振解调算法 | 第23-25页 |
| 2.3 经验模态分解 | 第25-27页 |
| 2.4 Hilbert变换 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于自相关函数波动性的滚动轴承故障诊断算法 | 第30-44页 |
| 3.1 现有的常见特征 | 第30-31页 |
| 3.1.1 频率幅值特征提取 | 第30页 |
| 3.1.2 其他特征提取 | 第30-31页 |
| 3.2 基于自相关函数的波动性特征提取方法 | 第31-32页 |
| 3.3 灰色关联分析 | 第32-35页 |
| 3.3.1 灰色绝对关联 | 第32-33页 |
| 3.3.2 灰色相对关联 | 第33-34页 |
| 3.3.3 灰色综合关联 | 第34页 |
| 3.3.4 灰色关联分析的步骤 | 第34-35页 |
| 3.4 数据分析结果 | 第35-43页 |
| 3.4.1 中国铁路机车的实际数据分析结果及分析 | 第35-39页 |
| 3.4.2 美国凯斯西储大学的实际数据分析结果及分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于特征筛选的滚动轴承故障诊断 | 第44-56页 |
| 4.1 特征筛选概述 | 第44页 |
| 4.2 特征提取 | 第44-46页 |
| 4.3 基于类内-类间标准差的特征评估筛选方法 | 第46-50页 |
| 4.3.1 层次分析法 | 第47-49页 |
| 4.3.2 特征筛选结果 | 第49-50页 |
| 4.4 贝叶斯判别分析 | 第50-52页 |
| 4.5 多维标度分析法 | 第52页 |
| 4.6 数据分析结果 | 第52-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-57页 |
| 5.1 工作总结 | 第56页 |
| 5.2 未来展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 个人简历 | 第62页 |
| 在学期间发表的学术论文与研究成果 | 第62页 |