声明
第一章 绪 论
1.1 课题研究背景和意义
1.2 相关研究技术对的国内外研究现状
1.2.1 振动信号降噪的研究现状
1.2.2 故障特征提取的研究现状
1.2.3 故障特征降维的研究现状
1.2.4 故障类型识别的研究现状
1.3 课题研究内容
第二章 基于变分模态分解的滚动轴承故障信号降噪
2.1 经验模态分解降噪方法
2.1.1 EMD基本理论
2.1.2 EMD算法流程
2.2 变分模态分解降噪方法
2.2.1 变分模型构建
2.2.2 变分问题求解
2.2.3 VMD算法流程
2.3 仿真实验
2.3.1 仿真实验1
2.3.2 仿真实验2
2.4 本章小结
第三章 基于改进多尺度样本熵的滚动轴承故障特征提取
3.1 样本熵
3.2 多尺度样本熵
3.3 精细复合多尺度样本熵
3.3.1 复合多尺度样本熵算法
3.3.2 精细复合多尺度样本熵算法
3.4 工程实验
3.4.1 不同故障部位实验分析
3.4.2 不同故障尺寸实验分析
3.4.3 不同载荷实验分析
3.5 本章小结
第四章 基于RCMSE与流形学习相结合的滚动轴承故障特征提取
4.1 无监督流形学习降维方法
4.1.1 等度规映射算法
4.1.2 局部保留投影
4.1.3 t-分布邻域嵌入
4.2 有监督流形学习降维方法
4.3 精细复合多尺度样本熵与有监督流形学习相联合的特征提取技术
4.3.1 特征提取模型
4.3.2 工程试验
4.4 本章小结
第五章 基于灰狼群优化支持向量机的滚动轴承故障识别
5.1 支持向量机分类器
5.2 灰狼群优化算法
5.3 灰狼群优化支持向量机
5.3.1 参数优化支持向量机模型
5.3.2 工程实验
5.4 本章小结
第六章 滚动轴承故障诊断模型及工程实验验证
6.1 滚动轴承故障诊断模型
6.2 滚动轴承故障诊断实验
6.2.1 信号采集
6.2.2 信号降噪
6.2.3 特征提取
6.2.4 维数约简
6.2.5 模式识别
6.3 本章小结
第七章 总结与展望
7.1 研究总结
7.2 研究展望
参考文献
致谢
江苏大学;
