基于数据及多源信息融合的轴承与行星齿轮箱故障诊断

目录

声明

第一章 绪 论

1.1 课题来源与选题背景

1.2 国内外研究历史与现状

1.2.1 故障诊断技术的研究现状

1.2.2 多源信息融合技术的研究现状

1.3 本文的研究贡献与主要意义

1.4 本文的结构安排

第二章 滚动轴承及行星齿轮箱故障信号分析处理研究

2.1 滚动轴承及行星齿轮箱的时频故障特征提取

2.1.1 时域特征分析

2.1.2 频域特征分析

2.1.3 时频域特征分析

2.2 滚动轴承及行星齿轮箱的时频特征筛选

2.3 故障试验平台

2.3.1 故障试验平台介绍

2.3.2 故障设置与数据采集

2.3.3 故障数据的时频分析处理

2.4 本章小结

第三章 云模型改进D-S证据理论的融合诊断方法

3.1 云模型基本理论

3.2 D-S证据理论

3.3 云模型优化D-S证据理论的多源信息融合研究

3.3.1 算法框架

3.3.2 云模型优化D-S证据理论的滚动轴承故障多源信息融合

3.3.3 云模型优化D-S证据理论的行星齿轮箱多源信息融合

3.4 本章小结

第四章 云遗传算法优化支持向量机的故障诊断方法

4.1 支持向量机基本理论

4.2 云遗传算法

4.3.1 算法框架

4.3.2 基于美国凯斯西储大学轴承故障数据理论分析

4.3.3 基于云遗传优化SVM的行星齿轮箱故障诊断

4.3.4 基于云遗传优化SVM的滚动轴承故障诊断

4.4 本章小结

第五章 全文总结与展望

5.1 全文工作总结

5.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果