声明
致谢
摘要
1 引言
1.1 研究背景及意义
1.2 研究现状
1.2.1 轴承故障诊断技术的发展
1.2.2 振动信号检测法的研究现状
1.3 论文研究内容及技术路线
2 滚动轴承振动机理及主要故障分析
2.1 滚动轴承结构
2.2 滚动轴承振动机理
2.3 滚动轴承故障类型
2.4 本章小结
3 滚动轴承故障诊断理论
3.1 经验模态分解(EMD)
3.2 IMF能量矩
3.3 小波消噪
3.4 AdaBoost
3.4.1 集成学习方法
3.4.2 AdaBoost算法
3.5 遗传神经网络算法(GNN)
3.6 本章小结
4 基于EMD的滚动轴承故障特征提取
4.1 实验方案设计
4.1.1 实验平台
4.1.2 滚动轴承运行工况设计
4.1.3 振动信号采集
4.2 小波消噪处理
4.3 特征提取
4.3.1 时域分析及时域特征提取
4.3.2 EMD信号处理及IMF能量特征提取
4.4 本章小结
5 GNN-AdaBoost算法及其在滚动轴承故障辨识中的应用
5.1 GNN-AdaBoost算法
5.2 GNN算法在滚动轴承故障诊断中的应用
5.3 GNN-AdaBoost算法在滚动轴承故障诊断中的应用
5.4 GNN-AdaBoost算法与GNN算法故障辨识结果对比
5.4.1 转速不同工况下的故障辨识结果对比
5.4.2 载荷不同工况下的故障辨识结果对比
5.4.3 加速度工况下的故障辨识结果对比
5.5 本章小结
6 结论及展望
6.1 工作总结
6.2 研究展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集
北京交通大学;