| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题的研究意义 | 第9-10页 |
| 1.2 研究现状及发展趋势 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10页 |
| 1.2.2 发展趋势 | 第10-12页 |
| 1.3 旋转机械故障诊断研究内容 | 第12-16页 |
| 1.3.1 数据获取方法及传感技术的研究 | 第12页 |
| 1.3.2 旋转机械故障发生原理及模型研究 | 第12-14页 |
| 1.3.3 数据分析、特征提取及信号处理的研究 | 第14-15页 |
| 1.3.4 模式识别及人工智能结合的专家系统 | 第15-16页 |
| 1.4 论文的研究内容及安排 | 第16-18页 |
| 2 信号的时频分析及时频信息图像化 | 第18-29页 |
| 2.1 信号的表示方法 | 第18-19页 |
| 2.2 信号的时频分析 | 第19-27页 |
| 2.2.1 线性时频与非线性时频 | 第20页 |
| 2.2.2 短时傅立叶变换 | 第20-21页 |
| 2.2.3 Wigner-Ville分布 | 第21-24页 |
| 2.2.4 小波变换 | 第24-27页 |
| 2.3 小波时频及图像化 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于改进的灰度共生矩阵参数的故障诊断 | 第29-48页 |
| 3.1 灰度共生矩阵 | 第29-37页 |
| 3.1.1 纹理生成及分析方法 | 第29-33页 |
| 3.1.2 灰度共生矩阵 | 第33-37页 |
| 3.2 朴素贝叶斯分类器 | 第37-38页 |
| 3.3 基于灰度共生矩阵特征参数提取的故障诊断 | 第38-45页 |
| 3.3.1 基于灰度共生矩阵特征参数的故障诊断流程 | 第38页 |
| 3.3.2 齿轮箱试验 | 第38-39页 |
| 3.3.3 特征提取及状态识别 | 第39-45页 |
| 3.4 灰度共生矩阵特征参数的特点和改进 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 4 基于数学形态学的时频灰度图像识别 | 第48-61页 |
| 4.1 数学形态学理论 | 第48-52页 |
| 4.1.1 二值形态学 | 第48-51页 |
| 4.1.2 灰度形态学 | 第51-52页 |
| 4.2 形态谱 | 第52-53页 |
| 4.3 基于形态谱的滚动轴承故障诊断 | 第53-60页 |
| 4.3.1 轴承试验介绍 | 第53-57页 |
| 4.3.2 信号时频及形态谱 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 基于时频图像特征提取的LabVIEW故障分析系统开发 | 第61-69页 |
| 5.1 LabVIEW简介 | 第61-63页 |
| 5.1.1 虚拟仪器 | 第61页 |
| 5.1.2 LabVIEW语言 | 第61-63页 |
| 5.2 硬件与布置 | 第63-64页 |
| 5.3 程序介绍 | 第64-68页 |
| 5.3.1 数据采集和显示模块 | 第64-66页 |
| 5.3.2 基本分析模块 | 第66-67页 |
| 5.3.3 小波分析模块 | 第67页 |
| 5.3.4 基于时频图像特征提取的分析 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-77页 |