| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-25页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.2 滚动轴承故障诊断的国内外研究现状 | 第12-17页 |
| 1.2.1 平稳状态下滚动轴承的故障诊断 | 第12-13页 |
| 1.2.2 变转速工况下滚动轴承的故障诊断 | 第13-16页 |
| 1.2.3 轴承故障诊断中齿轮噪声滤波的研究 | 第16-17页 |
| 1.3 滚动轴承的振动机理的研究 | 第17-21页 |
| 1.3.1 滚动轴承的振动形式 | 第17-19页 |
| 1.3.2 滚动轴承的主要故障形式 | 第19-21页 |
| 1.4 线调频小波路径追踪算法 | 第21-23页 |
| 1.5 存在主要问题 | 第23页 |
| 1.6 研究内容及章节安排 | 第23-25页 |
| 2 线调频小波路径追踪算法的研究 | 第25-37页 |
| 2.1 线调频小波路径追踪算法 | 第25-29页 |
| 2.1.1 Chirplet原子和chirplet原子的连接 | 第25-27页 |
| 2.1.2 最佳路径追踪方法 | 第27-29页 |
| 2.2 基于STFT的时频峰值搜索算法 | 第29页 |
| 2.3 算例验证 | 第29-35页 |
| 2.3.1 单分量信号瞬时频率提取 | 第30-32页 |
| 2.3.2 多分量信号瞬时频率提取 | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 3 基于IFCF的角域重采样 | 第37-53页 |
| 3.1 基于IFCF的角域重采样算法 | 第37-39页 |
| 3.1.1 滚动轴承的故障特征频率及特征系数 | 第37-38页 |
| 3.1.2 基于IFCF等角度重采样算法 | 第38-39页 |
| 3.2 基于IFCF角域重采样算法的分析 | 第39-46页 |
| 3.2.1 仿真信号分析 | 第39-43页 |
| 3.2.2 实验信号验证 | 第43-46页 |
| 3.3 基于IFCF角域重采样的不足 | 第46-50页 |
| 3.3.1 滚动轴承仿真信号分析 | 第47-48页 |
| 3.3.2 齿轮啮合振动仿真信号分析 | 第48-50页 |
| 3.4 本章小结 | 第50-53页 |
| 4 基于CPP算法和AR模型的滚动轴承故障诊断 | 第53-65页 |
| 4.1 基于CPP的角域线性预测滤波算法 | 第53-55页 |
| 4.1.1 基于GIMF趋势线的等角度重采样算法 | 第53-54页 |
| 4.1.2 齿轮噪声消除的AR模型算法 | 第54-55页 |
| 4.2 基于CPP算法和AR模型的故障诊断方法 | 第55-56页 |
| 4.3 仿真信号分析 | 第56-60页 |
| 4.4 实验信号验证 | 第60-63页 |
| 4.5 本章小结 | 第63-65页 |
| 5 基于线调频小波路径追踪的滚动轴承故障特征提取 | 第65-77页 |
| 5.1 基于CPP的滚动轴承故障特征提取 | 第65-68页 |
| 5.1.1 滚动轴承的故障特征系数 | 第65-66页 |
| 5.1.2 基于CPP的滚动轴承故障特征提取算法 | 第66-68页 |
| 5.2 滚动轴承故障特征提取方法的验证 | 第68-72页 |
| 5.2.1 仿真信号验证 | 第68-70页 |
| 5.2.2 实验信号验证 | 第70-72页 |
| 5.3 齿轮噪源下滚动轴承故障特征提取方法验证 | 第72-76页 |
| 5.3.1 仿真信号分析 | 第72-74页 |
| 5.3.2 实验信号验证 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| 6.1 全文总结 | 第77-78页 |
| 6.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第83-87页 |
| 学位论文数据集 | 第87页 |