文摘
英文文摘
作者简介
第1章 绪论
1.1 引言
1.2 机械设备故障诊断的研究意义和研究内容
1.2.1 机械设备故障诊断的研究意义
1.2.2 机械设备故障诊断的研究内容
1.3 旋转机械振动分析与故障诊断技术的研究现状
1.3.1 旋转机械振动分析方法的研究现状
1.3.2 旋转机械故障诊断方法的研究现状
1.4 论文研究的目的和意义
1.5 论文的主要研究内容
第2章 基于经验模态分解的齿轮和轴承故障诊断研究
2.1 引言
2.2 经验模态分解的原理与算法
2.2.1 EMD分解的原理与算法
2.2.2 EMD数值仿真
2.3 经验模态分解和奇异值差分谱理论在轴承故障诊断中的应用
2.3.1 奇异值差分谱理论及仿真
2.3.2 应用EMD和奇异值差分谱理论进行轴承故障诊断实例
2.3.3 小结
2.4 EMD能量熵和支持向量机在齿轮故障诊断中的应用
2.4.1 能量熵的定义
2.4.2 支持向量机的分类原理
2.4.3 基于EMD能量熵和支持向量机的齿轮故障诊断实例
2.4.4 小结
2.5 基于经验模态分解奇异值熵和支持向量机的齿轮故障诊断
2.5.1 奇异值熵的定义
2.5.2 EMD奇异值熵和支持向量机在齿轮故障诊断中的应用
2.5.3 小结
2.6 结论
第3章 基于总体平均经验模态分解的齿轮故障诊断研究
3.1 引言
3.2 基于EEMD能量熵和支持向量机的齿轮故障诊断
3.2.1 EEMD算法及仿真
3.2.2 EEMD能量熵和支持向量机在齿轮故障诊断中的应用
3.2.3 小结
3.3 基于EEMD奇异值熵和支持向量机的齿轮故障诊断
3.3.1 EMD和EEMD的比较
3.3.2 EEMD奇异值熵和支持向量机在齿轮故障诊断中的应用
3.3.3 小结
3.4 结论
第4章 基于局部均值分解的齿轮和轴承故障诊断研究
4.1 引言
4.2 LMD分解的原理及算法仿真
4.2.1 LMD分解的原理与算法
4.2.2 LMD数值仿真
4.3 基于随机共振消噪和LMD分解的轴承故障诊断
4.3.1 LMD和EMD的对比研究
4.3.2 随机共振消噪和LMD分解在轴承故障诊断中的应用
4.3.3 小结
4.4 基于LMD近似熵和支持向量机的齿轮故障诊断
4.4.1 近似熵的定义
4.4.2 LMD近似熵和支持向量机在齿轮故障诊断中的应用
4.4.3 小结
4.5 基于LMD分解和Lempel-Ziv指标的轴承故障诊断
4.5.1 Lempel-Ziv指标
4.5.2 LMD分解和Lempel-Ziv指标在轴承故障诊断中的应用
4.5.3 小结
4.6 结论
第5章 基于极值域均值模态分解的旋转机械故障诊断研究
5.1 引言
5.2 EMMD分解算法
5.3 EMMD分解的轴承故障诊断研究
5.4 第2代小波和EMMD转子系统复合故障诊断研究
5.4.1 第2代小波简介
5.4.2 第2代小波和EMMD相结合在转子系统复合故障诊断中的应用
5.4.3 小结
5.5 结论
第6章 总结与展望
致谢
参考文献
攻读博士期间发表的论文和参加的科研项目