声明
第1章 绪 论
1.1 机械故障诊断的背景和意义
1.2 机械故障诊断的研究现状
1.3 滚动轴承故障诊断的基本内容
1.3.1 滚动轴承的故障种类
1.3.2 滚动轴承故障诊断的步骤
1.4 滚动轴承故障诊断基本方法
1.4.1 特征提取方法
1.4.2 故障分类识别方法
1.5 本文主要研究内容
第2章 基于LMD的特征分量提取方法研究
2.1 经验模态分解方法原理及存在的问题
2.2 局部均值分解方法的研究
2.2.1 局部均值分解方法概述
2.2.2 局部均值分解算法研究
2.3 LMD和EMD方法分解仿真对比分析
2.4 LMD和EMD方法分解振动信号
2.5 本章小结
第3章 基于相关系数和样本熵的特征参数提取研究
3.1 基于斯皮尔曼相关系数的特征分量筛选
3.1.1 相关系数概述
3.1.2 斯皮尔曼相关系数原理
3.1.3 基于斯皮尔曼相关系数的特征分量筛选
3.2 基于样本熵的特征向量参数提取
3.2.1 样本熵基本原理
3.2.2 样本熵参数提取
3.3 不同特征信号样本熵的提取
3.4 本章小结
第4章 基于参数迁移学习的分类识别方法研究
4.1 迁移学习概述
4.1.1 迁移学习概念
4.1.2 迁移学习分类
4.2 基于参数迁移学习的分类识别方法研究
4.2.1 基于参数迁移学习的分类识别原理
4.2.2 基于参数迁移学习的分类识别仿真验证
4.3 本章小结
第5章 滚动轴承故障诊断实验
5.1 滚动轴承故障诊断实验仿真数据来源介绍
5.2 滚动轴承故障诊断实验步骤
5.3 滚动轴承不同类型故障诊断
5.3.1 故障信号的时频分析
5.3.2 振动信号的LMD分解
5.3.3 故障信号的特征提取
5.3.4 基于参数迁移学习的故障诊断
5.4 滚动轴承不同损伤程度故障诊断
5.4.1 故障信号的时频分析
5.4.2 振动信号的LMD分解
5.4.3 故障信号的特征提取
5.4.4 基于参数迁移学习的故障诊断
5.5 实际机械设备采集数据分析
5.6 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
