滚动轴承故障特征提取及状态识别方法研究

目录

声明

插图索引

附表索引

第1章 绪论

1.1 课题背景和研究意义

1.2 滚动轴承故障诊断技术主要的研究内容

1.3 滚动轴承振动信号特征提取方法发展概述

1.3.1 时域分析法

1.3.2 频域分析法

1.3.3 时频域分析法

1.3.4 非线性方法

1.4 滚动轴承状态识别方法发展现状概述

1.5 本文主要的研究内容及安排

第2章 滚动轴承故障振动机理及实验数据简介

2.1 滚动轴承的结构组成及运行原理

2.2 滚动轴承的故障机理、失效形式以及故障特征频率

2.2.1 故障机理

2.2.2 主要失效形式

2.2.3 故障特征频率

2.3 滚动轴承振动信号的一般形式

2.4 实验数据介绍

2.4.1 凯斯西楚大学公开的滚动轴承故障数据介绍

2.4.2 本实验室采集的滚动轴承故障数据介绍

2.5本章小结

第3章 基于二次聚类分割与Teager能量谱的滚动轴承微弱故障特征提取

3.1 引言

3.2 模糊C均值聚类和Teager能量谱基本原理简介

3.2.1 模糊C均值聚类算法原理简介

3.2.2 Teager能量算子原理简介

3.3 故障特征提取方法及流程设计

3.4 实验验证

3.4.1 仿真信号验证

3.4.2 实验信号验证

3.5 本章小结

第4章 基于全局和局部结构信息融合的滚动轴承故障特征提取

4.1 引言

4.2 算法原理简介

4.2.1 核主成分分析

4.2.2 t-分布随机邻域嵌入算法

4.3 KPCA与t-SNE结构信息融合的故障特征提取方法

4.3.1特征提取评价指标

4.3.2 算法的优势分析

4.3.3 KPCA+t-SNE方法流程设计

4.4方法的实验验证

4.4.1 实验说明

4.4.2 特征数据集的构成

4.4.3 定工况下特征提取能力分析

4.4.4 变工况下特征提取能力分析

4.4.5 方法的抗干扰能力分析

4.5 本章小结

第5章 基于量子粒子群优化多尺度排列熵和GG聚类的滚动轴承故障识别

5.1 引言

5.2 基本原理简介

5.2.1 多尺度排列熵

5.2.2 量子粒子群算法

5.2.3 GG模糊聚类算法和聚类评价指标

5.3 基于QPSO-MPE的滚动轴承故障识别方法

5.3.1多尺度排列熵的参数影响分析

5.3.2故障识别方法及流程设计

5.4方法的实验应用

5.4.1实验数据说明

5.4.2实验验证与结果分析

5.5本章小结

结论与展望

结论

展望

参考文献

致谢

附录A 攻读学位期间发表的科研成果目录

附录B 参加科研项目情况