声明
摘要
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究的现状
1.3 本文的研究内容
第二章 基于声发射信号处理的轴承故障研究
2.1 滚动轴承故障的特点
2.2 声发射技术的理论概述
2.2.1 声发射信号的分类
2.2.2 声发射信号处理方法的介绍
2.3 声发射技术在滚动轴承中诊断的机理
2.4 声发射技术在滚动轴承中应用的优势
2.5 本章小结
第三章 基于盲源分离的声发射信号处理方法的研究
3.1 独立分量分析的数学模型
3.2 信号的预处理方式
3.2.1 去均值处理
3.2.2 白化处理
3.3 分析盲源分离算法
3.3.1 快速独立分量分析(Fast ICA)算法
3.3.2 Natural Gradient算法
3.4 评价算法的分离性能
3.5 声发射信号的特征分析
3.6 仿真及实验结果的分析
3.6.1 波形信号的分析
3.6.2 语音信号的分析
3.7 本章小结
第四章 支持向量机在轴承故障诊断中的应用
4.1 概述机器学习理论
4.1.1 机器学习的主要策略
4.1.2 机器学习系统的基本结构
4.2 概述统计学习的问题
4.3 支持向量机(SVM)算法
4.3.1 分类超平面
4.3.2 支持向量机分类算法的推导
4.3.3 核函数
4.3.4 SVM算法的优势
4.4 本章小结
第五章 基于盲分离算法和支持向量机的轴承故障诊断研究
5.1 铁路货车车轴轴承在线智能监测系统
5.1.1 在线智能监测系统
5.1.2 网络构架与数据采集层
5.2 铁路货车轴承故障监测算法
5.2.1 货车轴承声发射信号的盲分离特征提取算法
5.2.2 支持向量机(SVM)的分类算法
5.3 仿真试验结果及分析
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士学位期间科研及论文完成情况