声明
第1章 绪论
1.1课题研究背景及意义
1.2超低速滚动轴承故障诊断综述
1.2.1 超低速滚动轴承常见故障形式
1.2.2 常规滚动轴承故障诊断方法
1.2.3 超低速滚动轴承故障诊断难点
1.3 声发射技术在滚动轴承故障诊断中的应用
1.3.1 AE检测技术基本原理
1.3.2 滚动轴承AE信号产生机理
1.3.3 滚动轴承AE信号特性
1.4 超低速滚动轴承故障AE诊断技术研究现状
1.4.1 滚动轴承AE信号特征提取方法研究现状
1.4.2 滚动轴承故障模式识别方法研究现状
1.5 本领域存在的关键技术问题
1.6 本文研究内容与结构安排
第2章 超低速滚动轴承声发射检测实验
2.1 引言
2.2 超低速滚动轴承AE检测实验平台
2.3 超低速滚动轴承AE信号采集系统
2.4 实验方案与步骤
2.4.1 实验方案
2.4.2 实验步骤
2.5 初步实验结果
2.6 本章小结
第3章 基于CEEMDAN-能量熵的超低速滚动轴承故障特征提取方法研究
3.1 引言
3.2 基本理论
3.2.1 CEEMDAN原理
3.2.2 CEEMDAN算法
3.2.3 CEEMDAN能量熵
3.3 敏感固有模态分量的选取原则
3.4 基于CEEMDAN-能量熵的超低速滚动轴承故障特征提取方法
3.5 实验分析
3.5.1 轴承AE信号EEMD和CEEMDAN分解
3.5.2 敏感固有模态分量的选取
3.5.3 CEEMDAN能量熵向量构造
3.5.4 故障诊断性能分析
3.6 本章小结
第4章 基于改进的VMD-样本熵的超低速滚动轴承故障特征提取方法研究
4.1 引言
4.2 基本理论
4.2.1 VMD原理及算法
4.2.2 改进的VMD原理
4.2.3 样本熵
4.3 基于IVMD-样本熵的超低速滚动轴承故障特征提取方法
4.4 实验分析
4.4.1 轴承AE信号EMD分解
4.4.2敏感固有模态分量的选取及信号重构
4.4.3 重构信号VMD分解及特征提取
4.4.4 故障诊断性能分析
4.5 本章小结
第5章 基于DBN的超低速滚动轴承故障诊断方法研究
5.1 引言
5.2 深度信念网络
5.2.1 RBM的原理
5.2.2 DBN的训练
5.3 基于CEEMDAN能量熵-DBN的超低速滚动轴承故障诊断
5.3.1 实验数据
5.3.2参数设定
5.3.3 训练迭代次数和隐层神经元个数对DBN模型性能的影响
5.3.4与其他经典方法比较
5. 4 本章小结
结论与展望
参考文献
致谢
附录A 攻读学位期间所发表的论文
兰州理工大学;