| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-16页 |
| ·研究背景及意义 | 第10页 |
| ·故障诊断技术的研究现状及发展趋势 | 第10-11页 |
| ·振动信号处理的研究现状及发展趋势 | 第11-13页 |
| ·本文研究的主要内容和结构安排 | 第13-16页 |
| 第二章 时频分析技术 | 第16-24页 |
| ·时频分析技术概况 | 第16-18页 |
| ·局域均值分解 | 第18-22页 |
| ·基本原理 | 第18-20页 |
| ·性能评价 | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 局域均值分解的优化算法 | 第24-40页 |
| ·概述 | 第24-25页 |
| ·局域均值分解的优化 | 第25-28页 |
| ·存在的问题及优化 | 第25-26页 |
| ·实验仿真分析 | 第26-28页 |
| ·基于改进的局域均值分解的轴承故障特征提取方法 | 第28-33页 |
| ·特征提取模型 | 第28页 |
| ·实验结果及分析 | 第28-33页 |
| ·基于改进的局域均值分解与 BP 神经网络的轴承故障诊断方法 | 第33-38页 |
| ·BP 神经网络 | 第33-34页 |
| ·诊断模型 | 第34-35页 |
| ·实验结果及分析 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于 LMD-KPCA-LSSVM 的轴承故障识别算法 | 第40-54页 |
| ·概述 | 第40页 |
| ·核主元分析算法 | 第40-42页 |
| ·基本原理 | 第40-41页 |
| ·性能评价 | 第41-42页 |
| ·最小二乘支持向量机算法 | 第42-44页 |
| ·基本原理 | 第42-44页 |
| ·性能评价 | 第44页 |
| ·基于 LMD-KPCA-LSSVM 的轴承故障诊断算法 | 第44-52页 |
| ·诊断模型 | 第44-45页 |
| ·初始化特征参数 | 第45-48页 |
| ·实验结果及分析 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 攻读硕士学位期间的研究成果 | 第62-63页 |
