声明
致谢
变量注释表
1 绪论
1.1研究背景及意义
1.2本文的主要研究内容和结构安排
1.3本章小结
2 文献综述
2.1 旋转机械故障诊断发展历程和研究现状
2.2旋转机械复合故障诊断研究现状
2.3旋转机械复合故障诊断发展趋势
2.4本章小结
3 滚动轴承故障和转子故障的特征探究
3.1滚动轴承故障机理及特征
3.1.1 滚动轴承的结构
3.1.2 滚动轴承失效的诱因和形式
3.1.3 滚动轴承的振动和噪声机理
3.1.4 轴承故障振动信号特征
3.2转子故障机理及特征
3.2.1 转子不对中故障分析
3.2.2 转子不平衡故障分析
3.3滚动轴承-转子复合故障特征
3.3.1 滚动轴承滚动体-转子复合故障
3.3.2 滚动轴承内圈-转子复合故障
3.3.3 滚动轴承外圈-转子复合故障
3.3.4 滚动轴承-转子复合故障特征总结
3.4滚动轴承-转子复合故障实验
3.5本章小结
4 基于VMD和增强包络谱结合的信号处理
4.1轴承-转子复合故障振动信号模型
4.2.1 本征模态分量
4.2.2 VMD分解过程
4.2.3 增强包络谱
4.2.4 VMD-EES故障特征提取流程
4.3.1 仿真信号VMD-增强包络谱特征提取
4.4滚动体故障实测信号的特征提取
4.4.1 SKF6203轴承滚动体故障实验
4.4.2 瞬时频率均值法确定IMF分量个数K
4.4.3 基于VMD-EES方法的SKF6203轴承滚动体故障分析
4.4.4 与EMD-EES方法比较
4.5本章小结
5 基于深度卷积神经网络的旋转机械复合故障诊断
5.1DCNN概述
5.1.1 卷积操作
5.1.2 非线性操作
5.1.3 池化操作
5.1.4 Softmax分类器
5.2ES-DCNN机械故障诊断方法
5.2.1 智能旋转机械故障诊断流程
5.2.2 基于Hilbert包络谱和DCNN结合的SKF6203轴承故障诊断
5.2.3 基于Hilbert包络谱和DCNN结合的N205轴承-转子复合故障实验分析
5.3Semi-DCNN机械故障诊断方法
5.3.1 主元素分析
5.3.2 支持向量机
5.3.3 粒子优化群算法
5.3.4 基于semi-DCNN的旋转机械故障诊断流程
5.3.5 基于semi-DCNN的旋转机械复合故障诊断实验
5.3.6 与DCNN、SVM方法比较
5.4本章小结
6 总结与展望
6.1 结论
6.2 展望
参考文献
作者简历
学位论文原创性说明
学位论文数据集
中国矿业大学;
中国矿业大学(江苏);