第一个书签之前
摘 要
Abstract
1 绪论
1.1 课题研究背景与意义
1.2 课题来源
1.3 低速重载回转支承状态监测与故障诊断发展阶段概述
1.3.1 人工经验监测与诊断
1.3.2 计算机监测与诊断
1.3.3 不断完善的基于大数据智能监测与诊断系统
1.4 低速重载回转支承状态监测与故障诊断方法研究现状
1.4.1 基于振动的状态监测与故障诊断方法
1.4.2 基于声发射的状态监测与故障诊断方法
1.4.3 基于油液或油脂状况的状态监测与故障诊断方法
1.4.4 基于温度变化的状态监测与故障诊断方法
1.5 当前国内外研究方向及挑战
1.6 论文主要研究内容与章节安排
2 滚动轴承振动信号时域故障特征提取与模式识别方法理论研究
2.1 信号分解与降噪
2.1.1 小波(包)分解
2.1.2 经验模态分解
2.1.3 聚类经验模态分解
2.2 特征参数选择
2.2.1 幅值域与时间域
2.2.2 相空间
2.3 数据训练与模式识别
2.3.1 (多分类)支持向量机
2.3.2 其它神经网络
2.4 本章小结
3 大型低速重载回转支承数据采集试验
3.1 回转支承结构特征与典型故障
3.1.1 结构特征
3.1.2 典型故障
3.2 数据采集试验
3.2.1 各类信号采集方法
3.2.2 特征频率计算
3.3 数据说明
3.3.1 机械振动
3.3.2 物理与化学性能
3.4 本章小结
4 基于改进PPA-NCP方法定性区分回转支承运行阶段
4.1 理论框架
4.1.1 分段聚集近似法
4.1.2 相邻相关特征图
4.1.3 最小二乘椭球面拟合
4.2 回转支承模拟信号分析
4.2.1 全寿命模拟信号构建
4.2.2 各运行阶段定性划分
4.3 回转支承试验信号验证
4.3.1 各运行阶段特征分析
4.3.2 分类结果检验与确定
4.4 本章小结
5 基于MCKD-CEEMD-ApEn方法对回转支承复合故障特征提取与模式识别
5.1 引言
5.2 理论框架
5.2.1 最大相关峭度去卷积
5.2.2 互补聚类经验模态分解
5.2.3 近似熵
5.2.4 多分类支持向量机
5.2.5 故障特征提取与模式识别流程
5.3 试验验证
5.4 本章小结
6 结论与展望
参 考 文 献
攻读硕士学位期间研究成果情况
致 谢
大连理工大学学位论文版权使用授权书
大连理工大学;