| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 变量注释表 | 第17-18页 |
| 1 绪论 | 第18-27页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-25页 |
| 1.3 论文主要研究内容与结构安排 | 第25-27页 |
| 2 滚动轴承故障机理及分析方法 | 第27-39页 |
| 2.1 滚动轴承的结构与类型 | 第27-28页 |
| 2.2 滚动轴承的振动机理与故障类型 | 第28-32页 |
| 2.3 滚动轴承振动信号常用分析方法 | 第32-35页 |
| 2.4 滚动轴承故障状态下的振动信号特性分析 | 第35-37页 |
| 2.5 本章小结 | 第37-39页 |
| 3 变分模态分解及其在滚动轴承故障诊断中的应用 | 第39-57页 |
| 3.1 变分模态分解基本理论 | 第39-41页 |
| 3.2 仿真信号分析 | 第41-45页 |
| 3.3 VMD重要参数的确定 | 第45-49页 |
| 3.4 VMD在滚动轴承早期故障诊断方面的应用 | 第49-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 支持向量机分类模型的创建及其参数优化 | 第57-71页 |
| 4.1 支持向量机基本理论 | 第57-63页 |
| 4.2 多种群遗传算法基本理论 | 第63-68页 |
| 4.3 基于多种群遗传算法的支持向量机的参数优化 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 5 基于VMD-SVD与 MPGA-SVM的滚动轴承故障诊断方法 | 第71-91页 |
| 5.1 基于VMD-SVD的故障特征提取方法 | 第71-72页 |
| 5.2 滚动轴承故障诊断模型的创建 | 第72-73页 |
| 5.3 滚动轴承故障诊断方法的验证 | 第73-85页 |
| 5.4 故障诊断方法的可视化设计 | 第85-90页 |
| 5.5 本章小结 | 第90-91页 |
| 6 总结与展望 | 第91-93页 |
| 6.1 总结 | 第91-92页 |
| 6.2 展望 | 第92-93页 |
| 参考文献 | 第93-99页 |
| 附录 | 第99-102页 |
| 作者简历 | 第102-104页 |
| 学位论文数据集 | 第104页 |