第一个书签之前
Abstract
符号说明
第1章 绪论
1.1 课题背景和研究意义
1.2 滚动轴承故障特征提取方法国内外研究现状
1.2.1 滚动轴承微弱故障特征提取方法研究现状
1.2.2 滚动轴承复合故障特征提取方法研究现状
1.3 稀疏表示在故障诊断领域的研究现状
1.3.1 稀疏系数求解方法
1.3.2 字典构造方法
1.3.3 现有研究存在的不足
1.4 论文研究内容与章节安排
第2章 基于加权稀疏分解的滚动轴承故障特征提取方法研究
2.1 高通滤波和稀疏优化算法
2.1.1稀疏故障诊断模型
2.1.2 高通滤波器的设计
2.1.3 受控极小化方法
2.2 基于加权稀疏分解的滚动轴承故障特征提取
2.2.1 自相关分析
2.2.2 加权稀疏分解算法
2.2.3 基于加权稀疏分解算法的滚动轴承故障特征提取流程图
2.3仿真信号分析
2.4 实验验证
2.5本章小结
第3章基于基追踪降噪和自适应Morlet小波的滚动轴承微弱故障特征提取
3.1 基追踪降噪算法
3.1.1 基追踪降噪理论
3.1.2 基追踪降噪的仿真实例
3.2自适应Morlet小波带通滤波算法
3.2.1 Morlet小波
3.2.2混洗蛙跳算法
3.2.3 适应度函数的选择
3.3基于基追踪降噪和自适应Morlet小波滤波的故障特征提取方法
3.4仿真信号分析
3.4.1 仿真分析一
3.4.2仿真分析二
3.5实验验证
3.6 本章小结
第4章 基于峭度-小波全变分降噪的滚动轴承微弱故障特征提取
4.1 小波域全变分降噪理论
4.1.1稀疏故障诊断模型
4.1.2 ADMM优化算法
4.1.3 小波字典设计
4.2 基于峭度的小波全变分降噪算法框架
4.3 算法特性分析
4.3.1 时频域分辨率
4.3.2 全变分项特性分析
4.3.3 算法复杂度分析
4.4 仿真信号验证
4.5 实验验证
4.6本章小结
第5章 基于Morlet小波-重叠组稀疏的滚动轴承微弱复合故障特征提取
5.1 结构组稀疏模型
5.1.1 组稀疏模型
5.1.2 重叠组稀疏模型
5.2 基于Morlet小波-重叠组稀疏的滚动轴承复合故障特征提取
5.2.1 滚动轴承复合故障特征的结构组稀疏特性
5.2.2 Morlet小波的时频表示
5.2.3 自适应权重参数
5.2.4 基于MM算法求解稀疏优化
5.2.5 正则化参数的选择
5.3 收敛性证明
5.4仿真信号分析
5.5 实验验证
5.6 本章小结
第6章 应用研究
6.1 实验装置概述
6.1.1 轴承强化疲劳实验台
6.1.2 实验轴承及测试条件
6.1.3 数据采集系统及测试系统
6.1.4 实验方案与操作流程
6.1.5 滚动轴承常见的时域指标
6.2 基于加权稀疏分解算法验证
6.3 基于BPDN-自适应Morlet小波滤波算法验证
6.4 基于峭度-小波全变分降噪算法验证
6.5 实验结果分析与讨论
6.6 本章小结
第7章 结论与展望
7.1 结论
7.2 研究展望
参考文献
致 谢
攻读博士学位期间取得的研究成果
