基于小波包分解和FPA-SVM的动车组轴箱轴承故障诊断研究

目录

声明

致谢

1 引言

1.1 课题研究背景及意义

1.2 滚动轴承故障诊断国内外研究现状

1.3 滚动轴承故障诊断流程分析

1.3.1 数据采集

1.3.2 数据降噪

1.3.3 特征提取

1.3.4 模式识别

1.4 本文主要研究内容

2 滚动轴承故障类型及振动机理分析

2.1 滚动轴承结构组成及故障类型分析

2.2 滚动轴承振动机理分析

2.3 滚动轴承振动频率特征分析

2.4 本章小结

3 基于改进小波包阈值降噪

3.1 小波包变换分析

3.1.1 小波包分解分析

3.1.2 小波包重构分析

3.2 小波包阈值降噪原理分析

3.3 小波包阈值降噪影响因素分析

3.3.1 基函数选取

3.3.2 阈值函数分析

3.3.3 改进小波包阈值函数分析

3.3.4 阈值及分解层数选取

3.4 本章小结

4 基于核主元分析的多域特征提取与降维

4.1 混合特征域的构造

4.1.1 时域特征

4.1.2 频域特征

4.1.3 小波包域特征

4.2 基于核主元分析的特征降维

4.2.1 主元分析原理

4.2.2 核主元分析原理

4.2.3 降维分析

4.3 本章小结

5 基于FPA-SVM的故障诊断研究

5.1 支持向量机分析

5.1.1 线性可分支持向量机

5.1.2 线性支持向量机

5.1.3 非线性支持向量机

5.1.4 多分类支持向量机

5.2 FPA研究

5.3 基于FPA-SVM的故障诊断

5.4 实验分析

5.4.1 实验设备介绍

5.4.2 改进小波包降噪预处理

5.4.3 多域特征提取及降维

5.4.4 故障诊断

5.5 本章小结

6 总结与展望

6.1 研究总结

6.2 研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集