| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-25页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 滚动轴承基本概述 | 第17-19页 |
| 1.2.1 滚动轴承结构 | 第17页 |
| 1.2.2 滚动轴承振动机理 | 第17-18页 |
| 1.2.3 滚动轴承失效形式 | 第18-19页 |
| 1.3 滚动轴承故障诊断研究现状 | 第19-23页 |
| 1.3.1 故障信号预处理研究现状 | 第19-20页 |
| 1.3.2 故障特征提取研究现状 | 第20-22页 |
| 1.3.3 故障模式识别研究现状 | 第22-23页 |
| 1.4 本文研究思路 | 第23-25页 |
| 第二章 基于自适应MCKD的故障信号滤波 | 第25-40页 |
| 2.1 最大相关峭度反卷积 | 第25-30页 |
| 2.1.1 MCKD基本原理 | 第25-27页 |
| 2.1.2 MCKD参数分析 | 第27-30页 |
| 2.2 自适应最大相关峭度反卷积 | 第30-34页 |
| 2.2.1 增强领导型粒子群算法基本原理 | 第31-33页 |
| 2.2.2 自适应MCKD基本原理 | 第33-34页 |
| 2.3 实验验证 | 第34-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 基于自适应VMD和奇异值分解的故障特征提取 | 第40-62页 |
| 3.1 变分模态分解方法 | 第40-47页 |
| 3.1.1 VMD基本原理 | 第40-42页 |
| 3.1.2 VMD参数分析 | 第42-47页 |
| 3.2 自适应变分模态分解 | 第47-54页 |
| 3.2.1 AVMD基本原理 | 第47-48页 |
| 3.2.2 AVMD性能分析 | 第48-54页 |
| 3.3 滚动轴承故障特征集 | 第54-55页 |
| 3.3.1 SVD基本原理 | 第54-55页 |
| 3.3.2 故障特征集构建 | 第55页 |
| 3.4 实验验证 | 第55-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 基于支持向量机的故障模式识别 | 第62-73页 |
| 4.1 支持向量机原理 | 第62-66页 |
| 4.1.1 SVM基本原理 | 第62-65页 |
| 4.1.2 SVM核函数分析 | 第65-66页 |
| 4.2 支持向量机参数优化 | 第66-68页 |
| 4.2.1 遗传算法基本原理 | 第66-68页 |
| 4.2.2 SVM参数优化 | 第68页 |
| 4.3 实验验证 | 第68-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 研究展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第81页 |