| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景及意义 | 第10页 |
| 1.2 本课题国内外研究现状 | 第10-14页 |
| 1.2.1 故障诊断技术的发展现状 | 第10-11页 |
| 1.2.2 电主轴系统故障诊断研究现状 | 第11-14页 |
| 1.3 电主轴故障诊断的主要研究内容 | 第14-15页 |
| 1.4 本论文的主要内容和总体结构 | 第15-18页 |
| 第二章 电主轴系统故障机理及振动信号的处理 | 第18-34页 |
| 2.1 前言 | 第18页 |
| 2.2 电主轴系统及其故障 | 第18-21页 |
| 2.2.1 电主轴系统结构 | 第18-20页 |
| 2.2.2 电主轴系统主要故障模式及产生原因 | 第20-21页 |
| 2.3 电主轴系统振动信号处理 | 第21-32页 |
| 2.3.1 振动信号的处理方法 | 第22-25页 |
| 2.3.2 电主轴系统振动信号的采集与处理 | 第25-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 PCA及KPCA方法的故障诊断基本理论 | 第34-48页 |
| 3.1 前言 | 第34页 |
| 3.2 数据的预处理 | 第34-35页 |
| 3.3 主元分析方法 | 第35-40页 |
| 3.3.1 PCA方法的基本思想 | 第35-36页 |
| 3.3.2 PCA方法算法实现 | 第36-37页 |
| 3.3.3 PCA方法主元数目的确定 | 第37-38页 |
| 3.3.4 基于主元分析方法的故障诊断 | 第38-40页 |
| 3.4 核主元分析法 | 第40-46页 |
| 3.4.1 核函数的基本理论 | 第40-41页 |
| 3.4.2 常见核函数与性能分析 | 第41-43页 |
| 3.4.3 基于核主元分析法的特征提取 | 第43-44页 |
| 3.4.4 基于核主元分析法的建模步骤 | 第44-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于二分法优化的改进KPCA电主轴故障诊断 | 第48-56页 |
| 4.1 前言 | 第48页 |
| 4.2 基于二分法优化改进KPCA方法的故障诊断建模步骤 | 第48-49页 |
| 4.3 电主轴转子系统故障诊断仿真分析 | 第49-54页 |
| 4.3.1 概述 | 第49-51页 |
| 4.3.2 仿真结果与分析 | 第51-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 基于粒子群算法优化的改进KPCA电主轴故障诊断 | 第56-66页 |
| 5.1 前言 | 第56页 |
| 5.2 基于粒子群优化算法的核参数优化 | 第56-57页 |
| 5.2.1 粒子群优化算法 | 第56页 |
| 5.2.2 粒子群优化算法的基本原理 | 第56-57页 |
| 5.3 基于粒子群算法优化改进KPCA方法的故障诊断建模步骤 | 第57-59页 |
| 5.4 电主轴转子系统故障诊断仿真分析 | 第59-65页 |
| 5.4.1 概述 | 第59-61页 |
| 5.4.2 仿真结果与分析 | 第61-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 基于蜂群算法优化的改进KPCA对电主轴故障诊断 | 第66-76页 |
| 6.1 前言 | 第66页 |
| 6.2 基于人工蜂群优化算法的核参数优化 | 第66-70页 |
| 6.2.1 人工蜂群优化算法 | 第66-68页 |
| 6.2.2 人工蜂群优化算法的基本原理 | 第68-70页 |
| 6.3 基于人工蜂群算法优化改进KPCA方法的故障诊断建模步骤 | 第70页 |
| 6.4 电主轴转子系统故障诊断仿真分析 | 第70-75页 |
| 6.4.1 概述 | 第70-71页 |
| 6.4.2 仿真结果与分析 | 第71-75页 |
| 6.5 本章小结 | 第75-76页 |
| 第七章 结论与展望 | 第76-78页 |
| 7.1 结论 | 第76页 |
| 7.2 建议与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 作者简介 | 第82页 |
| 作者在攻读硕士学位发表的学术论文 | 第82-84页 |
| 致谢 | 第84页 |
