| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 滚动轴承的故障形成与分析 | 第11-14页 |
| 1.2.1 本论文研究对象 | 第11页 |
| 1.2.2 滚动轴承故障的形式 | 第11-12页 |
| 1.2.3 滚动轴承故障诊断方法 | 第12-13页 |
| 1.2.4 滚珠轴承故障特征频率的计算 | 第13-14页 |
| 1.3 随机共振的概要 | 第14-15页 |
| 1.3.1 随机共振理论的发展 | 第14-15页 |
| 1.3.2 随机共振在微弱信号检测中的应用 | 第15页 |
| 1.4 论文的主要研究工作 | 第15-17页 |
| 1.4.1 论文内容结构安排 | 第15-16页 |
| 1.4.2 论文的创新点 | 第16-17页 |
| 第二章 自适应随机共振算法 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 随机共振基本模型 | 第17-19页 |
| 2.2.1 经典随机共振模型 | 第17-18页 |
| 2.2.2 经典双稳态随机共振模型 | 第18-19页 |
| 2.3 自适应随机共振算法的研究 | 第19-23页 |
| 2.3.1 随机共振效应的判定依据 | 第20-21页 |
| 2.3.2 自适应算法 | 第21-22页 |
| 2.3.3 自适应随机共振系统的流程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于SQI的自适应随机共振算法 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 欠阻尼变步长二阶随机共振模型 | 第24-26页 |
| 3.2.1 欠阻尼二阶随机共振模型 | 第25-26页 |
| 3.2.2 USSSR的实现 | 第26页 |
| 3.3 传统的随机共振评价指标 | 第26-30页 |
| 3.4 综合定量指标 | 第30-36页 |
| 3.4.1 BP神经网络算法 | 第30-32页 |
| 3.4.2 SQI构成流程 | 第32-34页 |
| 3.4.3 目标输出SQI矩阵的选择 | 第34-36页 |
| 3.5 SQI的性能分析 | 第36-38页 |
| 3.5.1 SQI的趋势性 | 第36-37页 |
| 3.5.2 SQI去噪性能评估 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 自适应随机共振方法在滚动轴承故障诊断中的应用 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 遗传算法 | 第39-41页 |
| 4.2.1 理论描述 | 第40页 |
| 4.2.2 基于GA的参数调整分析 | 第40-41页 |
| 4.3 基于SQI的自适应随机共振方法及其算法流程 | 第41-42页 |
| 4.4 实验验证 | 第42-49页 |
| 4.4.1 实验验证一:CWRU轴承数据 | 第43-46页 |
| 4.4.2 实验验证二:IMS轴承数据 | 第46-47页 |
| 4.4.3 实验小结与讨论 | 第47-48页 |
| 4.4.4 SQI构成数量的影响 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间的研究成果 | 第60页 |