声明
摘要
第一章 绪论
1.1 课题研究的背景和意义
1.2 滚动轴承故障诊断方法现状及发展趋势
1.3 滚动轴承振动信号故障诊断关键问题的研究现状
1.4 论文的主要思路和结构安排
第二章 滚动轴承的结构及故障机理分析
2.1 滚动轴承的基本结构和分类及主要失效形式
2.1.1 滚动轴承的基本结构
2.1.2 滚动轴承的分类
2.1.3 滚动轴承的失效形式
2.2 滚动轴承振动信号特征与故障特征频率
2.2.1 滚动轴承振动信号分析
2.2.2 滚动轴承的故障特征频率
2.2.3 滚动轴承的固有振动频率
2.3 滚动轴承数据
2.4 本章小结
第三章 相空间重构降噪
3.1 相空间
3.1.1 相空间重构
3.2 相空间重构去噪
3.2.1 相空间重构去噪流程
3.3 时间延迟τ
3.3.1 信息熵简介
3.3.2 互信息法原理求时间延迟τ
3.4 嵌入维数m
3.4.1 Cao法求嵌入维数
3.5 奇异值分解(Singular value decomposition,svD)降噪理论
3.5.1 SVD原理
3.5.2 基于相空间重构和SVD降噪原理
3.5.3 有效秩阶数k的选取
3.6 本章小结
第四章 补充的总体平均经验模态分解
4.1 经验模态分解简介
4.1.1 经验模态分解
4.1.2 IMF筛选判定依据
4.1.3 经验模态分解的优点
4.2 间歇现象与模态混叠现象
4.3 补充的总体平均经验模态分解(CEEMD)
4.3.1 噪声辅助数据分析方法简介
4.3.2 白噪声的特性
4.3.3 CEEMD方法分解流程
4.3.4 CEEMD参数的设置
4.4 CEEMD方法验证
4.5 本章小结
第五章 滚动轴承故障初步诊断与故障特征提取
5.1 凯斯西储大学轴承试验中心简介
5.2 本文所用实验数据
5.3 滚动轴承故障初步诊断
5.3.1 相空间重构降噪
5.3.2 CEEMD分解
5.4 HHT特征提取
5.4.1 希尔伯特(Hilbert)变换定义简述
5.4.2 解析信号Hilbert谱
5.4.3 基于CEEMD的HHT分析方法
5.4.4 特征提取
5.5 本章小结
第六章 概率神经网络在滚动轴承故障诊断中的应用
6.1 人工神经网络简介
6.2 PNN神经网络模型
6.2.1 PNN神经网络结构
6.2.2 PNN神经网络分类原理
6.2.3 PNN神经网络的优点
6.3 基于PNN神经网络的滚动轴承故障诊断
6.3.1 PNN神经网络在滚动轴承故障诊断中的步骤
6.3.2 概率神经网络的构建
6.3.3 基于PNN神经网络的模式识别
6.4 本章小结
第七章 总结与展望
7.1 本文研究工作总结
7.2 工作展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
江苏大学;