声明
摘要
第1章 绪论
1.1 课题研究背景与意义
1.2 主轴故障模式识别技术国内外研究现状
1.3 主轴故障模式识别技术的发展趋势
1.4 主轴回转精度劣化溯源机制
1.5 课题研究的主要内容
1.6 本章小结
第2章 主轴系统故障特征分析
2.1 主轴系统关键部件故障分析
2.1.1 滚动轴承的振动机理
2.1.2 滚动轴承故障类型
2.1.3 滚动轴承的故障特征频率
2.1.4 齿轮的固有特性
2.1.5 齿轮的故障类型
2.2 电主轴结构及工作原理
2.2.1 电主轴结构
2.2.2 电主轴工作原理
2.3 电主轴常见故障
2.3.1 温升过高,刚性差,振动大,精度差
2.3.2 启动困难,掉速
2.3.3 轴不对称,不平衡故障
2.3.4 机械松动
2.4 本章小结
第3章 主轴系统故障特征提取与模式识别方法
3.1 基于EMD与EEMD的信号提纯
3.1.1 EMD基本概念
3.1.2 EMD去噪原理
3.1.3 EEMD基本概念
3.1.4 IMF的选择及EEMD降噪
3.1.5 基于EMD与EEMD的主轴信号降噪实验验证
3.2 基于流形学习的敏感特征提取方法研究
3.2.1 等距映射算法
3.2.2 局部线性嵌入算法
3.2.4 拉普拉斯特征映射
3.2.5 流形学习参数选择
3.2.6 高维特征空间的构建
3.2.7 基于流形学习的敏感特征提取模型
3.2.8 基于流形学习的敏感特征提取方法实验验证
3.3 基于二维全息谱与流形学习的敏感特征提取方法
3.3.1 二维全息谱
3.3.2 二维全息谱原理
3.3.3 基于二维全息谱与流形学习的敏感特征提取模型
3.3.4 基于二维全息谱与流形学习的敏感特征提取方法实验验证
3.4 基于流形学习与支持向量机的模式识别方法
3.4.1 支持向量机概念
3.4.2 支持向量机原理
3.4.3 支持向量机参数选择方法
3.4.4 基于流形学习与支持向量机的模式识别模型
3.4.5 基于流形学习与SVM的滚动轴承故障模式识别方法验证
3.4.6 基于LTSA与SVM的齿轮箱故障模式识别
3.4.7 基于LTSA与SVM的转子系统故障模式识别
3.5 本章小结
第4章 主轴系统回转误差动态测试技术
4.1 主轴系统回转误差形成机理
4.2 主轴系统回转误差测量方法
4.3 误差分离技术
4.3.1 反转法
4.3.2 多步法
4.3.3 多点法
4.3.4 三种误差分离方法对比分析
4.3.5 回转误差评定方法
4.4 基于三点法的主轴回转误差分离
4.4.1 单圈采样点数的选择
4.4.2 传感器安装角度的选取
4.4.3 快速傅立叶变换在三点法误差分离中的应用
4.4.4 信号的预处理
4.5 基于两点法的主轴回转误差测试
4.5.1 同步误差与非同步误差
4.5.2 同步误差与非同步误差分离方法
4.6 主轴回转误差分离方法实验验证
4.6.1 实验所需硬件设备
4.6.2 基于三点法的主轴回转误差分离方法实验验证
4.6.3 基于两点法的主轴回转误差分离方法实验验证
4.7 本章小结
第5章 主轴状态劣化评估与溯源系统设计
5.1 系统总体框架设计
5.1.1 系统开发运行环境
5.1.2 系统总体设计
5.1.3 系统分支结构设计
5.2 系统实现的关键代码
5.3 实验验证
5.3.1 传感器安装的注意事项
5.3.2 三点法采集主轴回转误差信号实验
5.3.3 两点法采集主轴回转误差信号实验
5.4 本章小结
第6章 结论与展望
6.1 总结
6.2 展望
致谢
参考文献
个人简历 攻读硕士期间发表的论文