基于轨道交通列车滚动轴承故障诊断方法研究

目录

第一章 绪论

1.1 课题来源

1.2 研究的背景和意义

1.3 滚动轴承故障诊断技术研究现状

1.3.1 滚动轴承故障诊断技术国内外发展历程

1.3.2 滚动轴承故障诊断方法

1.3.3 振动信号处理方法及研究现状

1.3.4 模式识别分类方法及研究现状

1.4 主要研究内容与论文框架

1.4.1 主要研究内容

1.4.2 论文框架

第二章 滚动轴承故障机理分析

2.1 滚动轴承的结构组成

2.2 滚动轴承故障原因及振动特性

2.2.1 滚动轴承故障原因

2.2.2 滚动轴承的振动特性

2.3 滚动轴承故障诊断过程及实验平台

2.3.1 滚动轴承故障诊断过程

2.3.2 滚动轴承故障采集实验平台

2.3.3 滚动轴承故障振动信号采集

2.4 本章小结

第三章 基于变分模态分解提取故障特征

3.1 VMD基础理论

3.1.1 经典维纳滤波

3.1.2 希尔伯特变换

3.1.3 频率混合

3.2 VMD原理与算法

3.2.1 模态函数

3.2.2 VMD算法

3.3 基于VMD算法的故障特征提取

3.3.1 VMD算法参数研究

3.3.2 VMD算法提取能量特征向量

3.4 本章小结

第四章 基于VMD的多尺度排列熵

4.1 多尺度排列熵原理

4.1.1 排列熵

4.1.2 多尺度排列熵

4.2 多尺度排列熵参数研究

4.2.1 多尺度排列熵参数

4.2.2 延迟时间τ与时间序列N

4.2.3 嵌入维数m

4.2.4 尺度因子s

4.3 多尺度排列熵提取特征向量

4.4 本章小结

第五章 基于优化概率神经网络的滚动轴承故障识别

5.1 概率神经网络

5.1.1 概率神经网络模型

5.1.2 基于概率神经网络的滚动轴承故障识别

5.2 基于粒子群算法优化的概率神经网络

5.2.1 粒子群算法

5.2.2 改进粒子群算法

5.2.3 粒子群算法优化概率神经网络

5.2.4 基于PSO-PNN的滚动轴承故障识别

5.3 实验结果总结分析

5.4 本章小结

第六章 总结与展望

参考文献

攻读学位期间研究成果

致谢