| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·机械设备故障预测技术的研究现状 | 第12-14页 |
| ·基于数据的故障预测技术的研究现状 | 第14-16页 |
| ·研究内容及组成 | 第16-19页 |
| ·主要研究内容及研究思路 | 第16-17页 |
| ·论文组织安排 | 第17-19页 |
| 第二章 滚动轴承的故障演化机理分析 | 第19-29页 |
| ·概述 | 第19页 |
| ·滚动轴承振动信号的基本特征 | 第19-24页 |
| ·滚动轴承的基本结构 | 第19-20页 |
| ·滚动轴承的特征频率 | 第20-21页 |
| ·滚动轴承的固有振动频率 | 第21-23页 |
| ·滚动轴承的故障类型 | 第23-24页 |
| ·滚动轴承振动信号监测方法简述 | 第24-26页 |
| ·滚动轴承的故障演化趋势分析与HSMM 建模 | 第26-28页 |
| ·滚动轴承的故障演化趋势分析 | 第26-27页 |
| ·滚动轴承演化趋势的HSMM 建模 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于小波能谱熵的滚动轴承故障预测特征提取方法 | 第29-37页 |
| ·概述 | 第29-30页 |
| ·小波能谱熵理论 | 第30-32页 |
| ·小波包变换 | 第30-31页 |
| ·熵理论 | 第31-32页 |
| ·小波能谱熵理论 | 第32页 |
| ·基于小波能谱熵的滚动轴承振动特征提取方法及应用 | 第32-36页 |
| ·基于小波能谱熵的特征提取方法 | 第32-34页 |
| ·小波能谱熵特征提取方法在滚动轴承中的应用 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于HSMM 的滚动轴承故障预测方法 | 第37-55页 |
| ·概述 | 第37页 |
| ·HSMM 的基本理论 | 第37-40页 |
| ·HSMM 的定义 | 第37-39页 |
| ·HSMM 的广义前-后向算法 | 第39-40页 |
| ·HSMM 的部分算法问题及改进 | 第40-50页 |
| ·HSMM 的改进算法 | 第40-44页 |
| ·初始模型参数的选取 | 第44-45页 |
| ·多个观察值序列的训练 | 第45-48页 |
| ·下溢问题 | 第48-50页 |
| ·基于HSMM 的滚动轴承故障预测方法 | 第50-54页 |
| ·滚动轴承的退化状态识别方法 | 第51-52页 |
| ·滚动轴承的故障预测方法 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于HSMM 的滚动轴承故障预测方法的应用与实验 | 第55-69页 |
| ·概述 | 第55页 |
| ·实验平台 | 第55-57页 |
| ·实验平台简介 | 第55-56页 |
| ·实验方案 | 第56-57页 |
| ·基于HSMM 的滚动轴承故障预测方法的实验验证 | 第57-68页 |
| ·滚动轴承的退化状态识别 | 第57-63页 |
| ·滚动轴承的故障预测 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·研究展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 作者在攻读硕士学位期间发表的论文 | 第77页 |