首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--转动机件论文--轴承论文

基于声发射的轴承滚动接触疲劳在线检测

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第11-20页
    1.1 课题背景第11-12页
    1.2 国内外滚动接触疲劳检测的现状第12-16页
        1.2.1 国内外滚动接触疲劳的检测手段第12-14页
        1.2.2 现阶段滚动接触疲劳检测手段存在的不足第14-15页
        1.2.3 滚动接触疲劳检测技术发展趋势第15-16页
    1.3 声发射在滚动接触疲劳检测的应用现状第16-18页
        1.3.1 声发射检测的原理第16-17页
        1.3.2 声发射在滚动接触疲劳检测中应用的可行性分析第17-18页
    1.4 论文的主要研究内容第18-19页
    1.5 本章小结第19-20页
第2章 滚动接触疲劳检测的声发射信号处理方法研究第20-51页
    2.1 滚动接触疲劳声发射信号的时域特征提取第20-23页
        2.1.1 传统时域特征提取第20-21页
        2.1.2 AR模型的特征提取第21-23页
    2.2 滚动接触疲劳声发射信号的频域特征提取第23-24页
    2.3 基于小波分析的滚动接触疲劳声发射信号特征提取第24-29页
        2.3.1 小波分析的理论第24-26页
        2.3.2 小波分解的能量谱特征第26-27页
        2.3.3 小波分解的信息熵特征第27-29页
    2.4 基于经验模态分解的滚动接触疲劳声发射信号特征提取第29-36页
        2.4.1 EMD方法的基本原理第29-31页
        2.4.2 EMD 分解的能量谱特征第31-34页
        2.4.3 EMD分解的信息熵特征第34-35页
        2.4.4 EMD分解的AR参数矩特征第35-36页
    2.5 基于局域均值分解的滚动接触疲劳声发射信号特征提取第36-43页
        2.5.1 局域均值分解的基本原理第36-38页
        2.5.2 LMD分解的能量谱特征第38-40页
        2.5.3 基于LMD分解的信息熵谱特征第40-42页
        2.5.4 基于LMD的AR模型参数矩特征第42-43页
    2.6 滚动接触疲劳声发射信号的特征选择第43-45页
    2.7 声发射信号的模式识别方法第45-50页
        2.7.1 模式识别方法的概述第45页
        2.7.2 人工智能神经网络第45-48页
        2.7.3 支持向量机第48-50页
    2.8 本章小结第50-51页
第3章 轴承滚动接触疲劳在线检测系统设计第51-66页
    3.1 滚动接触疲劳在线检测系统的总体设计第51页
    3.2 滚动接触疲劳在线检测的硬件系统第51-56页
        3.2.1 滚动接触疲劳试验机第51-53页
        3.2.2 声发射传感器第53页
        3.2.3 安装固定装置和耦合剂第53-54页
        3.2.4 前置放大器第54-55页
        3.2.5 声发射采集箱和计算机第55-56页
        3.2.6 其它配件第56页
    3.3 滚动接触疲劳在线检测的软件系统第56-65页
        3.3.1 软件系统的功能设计第56-57页
        3.3.2 软件界面设计第57-59页
        3.3.3 软件的数据处理流程第59-62页
        3.3.4 声发射信号采集卡参数设置第62-64页
        3.3.5 视图设置第64-65页
    3.4 本章小结第65-66页
第4章 轴承滚动接触疲劳在线检测试验研究第66-76页
    4.1 滚动接触疲劳在线检测的试验设计第66-68页
        4.1.1 试验方案设计第66-67页
        4.1.2 试验步骤第67-68页
    4.2 滚动接触疲劳在线检测的试验过程第68-73页
        4.2.1 试验数据前处理第68-69页
        4.2.2 试验数据的特征提取第69-71页
        4.2.3 试验数据的特征选择第71-72页
        4.2.4 试验数据的特征模式识别第72-73页
    4.3 试验结果分析第73-74页
    4.4 展望第74-75页
    4.5 本章小结第75-76页
结论第76-77页
参考文献第77-81页
附录第81-82页
攻读硕士学位期间承担的科研任务与主要成果第82-83页
致谢第83-84页
作者简介第84页

论文共84页,点击 下载论文
上一篇:基于RFID和蓝牙技术的用药提醒系统的设计
下一篇:高压海水轴向柱塞泵配流盘摩擦副仿生非光滑表面研究