结合异常检测算法的轴承故障检测研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 轴承故障诊断国内外发展现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 故障诊断主要技术内容 | 第13-18页 |
| 1.3.1 故障诊断的建立过程 | 第13-14页 |
| 1.3.2 故障诊断的技术分类 | 第14-18页 |
| 1.4 论文主要内容 | 第18-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 滚动轴承振动特征分析 | 第21-27页 |
| 2.1 滚动轴承的基本结构及动力学特性 | 第21-24页 |
| 2.1.1 滚动轴承基本结构 | 第21页 |
| 2.1.2 滚动轴承动力学特性 | 第21-24页 |
| 2.2 滚动轴承的失效形式 | 第24-25页 |
| 2.3 滚动轴承振动特性分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于小波包能量谱的信号特征提取 | 第27-43页 |
| 3.1 小波分析理论发展 | 第27-31页 |
| 3.1.1 小波变换理论 | 第27-29页 |
| 3.1.2 多分辨率分析 | 第29-31页 |
| 3.2 小波包能量谱 | 第31-35页 |
| 3.2.1 小波包变换理论 | 第31-33页 |
| 3.2.2 Hilbert解调法 | 第33页 |
| 3.2.3 能量谱特征提取分析 | 第33-35页 |
| 3.3 基于小波包变换的轴承振动信号仿真分析 | 第35-41页 |
| 3.3.1 滚动轴承实验数据分析 | 第35-37页 |
| 3.3.2 小波包能量谱特征提取 | 第37-39页 |
| 3.3.3 小波系数包络谱分析 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于多分类支持向量机的单步故障诊断 | 第43-59页 |
| 4.1 统计学习理论 | 第43-45页 |
| 4.2 支持向量机理论与多分类支持向量机 | 第45-52页 |
| 4.2.1 支持向量机理论 | 第46-49页 |
| 4.2.2 多分类支持向量机 | 第49-52页 |
| 4.3 基于样本平衡下SVM分类研究 | 第52-55页 |
| 4.4 基于样本不平衡下SVM分类研究 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于结合异常检测算法的双步故障诊断 | 第59-78页 |
| 5.1 异常检测算法理论 | 第59-65页 |
| 5.1.1 基于密度估计方法 | 第59-61页 |
| 5.1.2 基于重构方法 | 第61-62页 |
| 5.1.3 异常检测算法优化 | 第62-65页 |
| 5.2 异常检测算法评价方法 | 第65-67页 |
| 5.3 双步故障诊断研究 | 第67-70页 |
| 5.3.1 双步故障诊断模型建立 | 第68-69页 |
| 5.3.2 双步故障诊断仿真研究 | 第69-70页 |
| 5.4 单步与双步诊断模型评价准则 | 第70-76页 |
| 5.4.1 构建模型评价准则 | 第70-72页 |
| 5.4.2 基于评价准则的单步与双步诊断模型对比 | 第72-76页 |
| 5.5 本章小结 | 第76-78页 |
| 第6章 总结与展望 | 第78-81页 |
| 6.1 全文工作总结 | 第78-79页 |
| 6.2 未来研究展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
