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 |