首页--工业技术论文--机械、仪表工业论文--机械制造工艺论文--柔性制造系统及柔性制造单元论文

基于EMD的轴承故障诊断

摘要第1-4页
Abstract第4-7页
第1章 绪论第7-15页
   ·课题研究的背景和意义第7-8页
   ·滚动轴承故障诊断技术综述第8-12页
     ·滚动轴承故障诊断技术的发展第8-10页
     ·滚动轴承故障诊断方法概述第10-12页
   ·振动信号分析技术的发展第12-13页
     ·传统的信号分析方法第12-13页
     ·经验模态分解信号分析方法第13页
   ·本文的研究内容安排第13-15页
第2章 滚动轴承故障机理及特征分析第15-23页
   ·概述第15页
   ·滚动轴承主要失效形式及原因第15-16页
   ·滚动轴承振动的基本参数第16-18页
     ·滚动轴承特征频率第16-17页
     ·滚动轴承的固有特征频率第17-18页
   ·滚动轴承的振动信号特征第18-21页
     ·滚动轴承正常时的振动信号特征第18-20页
     ·滚动轴承故障故障时的振动信号特征第20-21页
   ·本章小结第21-23页
第3章 基于小波的振动信号去噪第23-33页
   ·小波变换理论第23-25页
     ·连续小波变换[26]第23-24页
     ·二进小波[27]第24-25页
   ·小波去噪的应用第25-28页
     ·小波去噪概述第25-26页
     ·去噪问题的描述第26页
     ·几种小波去噪方法的比较第26-28页
   ·小波阈值去噪法第28-32页
     ·小波阈值收缩法第28-30页
     ·平移不变量小波阈值去噪法第30-32页
   ·本章小结第32-33页
第4章 EMD方法在滚动轴承故障诊断中的应用第33-41页
   ·概述第33页
   ·瞬时频率及本征模函数第33-34页
     ·瞬时频率第33-34页
     ·本征模函数第34页
   ·EMD 方法第34-38页
     ·EMD 分解的基本原理第34-36页
     ·IMF 判据第36-37页
     ·EMD 方法的特点第37-38页
   ·EMD 时频分析第38页
   ·故障特征的提取第38-39页
   ·本章小结第39-41页
第5章 轴承故障的模式识别第41-53页
   ·BP 神经网络在模式识别中的应用第41-47页
     ·概述第41页
     ·BP 人工神经网络结构第41-44页
     ·BP 算法的基本思想第44页
     ·BP 网络学习算法第44-46页
     ·网络结构的确定第46-47页
     ·基于 matlab 神经网络工具箱的模拟结果第47页
   ·支持向量机在故障识别中的应用第47-52页
     ·概述第47-48页
     ·最优分类面第48-50页
     ·核函数第50-51页
     ·支持向量机的多值分类第51页
     ·支持向量机的建立第51-52页
   ·本章小结第52-53页
第6章 总结与展望第53-55页
致谢第55-57页
参考文献第57-59页

论文共59页,点击 下载论文
上一篇:遥感图像压缩编码器结构研究与重要电路模块实现
下一篇:考虑数值噪声的电子机箱设备多学科优化研究