基于信号稀疏表示的滚动轴承故障诊断方法研究

目录

声明

致谢

1 绪论

1.1 论文研究的背景和意义

1.2 滚动轴承故障诊断的国内外研究现状

1.3 稀疏表示方法的国内外研究现状

1.4 压缩感知理论的国内外研究现状

1.5 滚动轴承故障特征提取方法

1.6 滚动轴承故障的模式识别方法

1.7 滚动轴承故障形成原因及振动机理

1.7.1 滚动轴承故障形成原因

1.7.2 滚动轴承故障振动机理

1.8 本文主要研究内容

2 改进字典构造方法下的信号稀疏表示

2.1 稀疏表示理论

2.1.1 信号的稀疏表示

2.1.2 字典构造和学习方法

2.2 引入频域相关峭度构造字典

2.2.1 相关峭度

2.2.2 频域相关峭度

2.2.3 改进字典构造下的稀疏表示方法实现算法

2.3 仿真验证

2.4 实验验证

2.4.1 外圈故障信号验证

2.4.2 内圈故障信号验证

2.4.3 滚动体故障信号验证

2.5 本章小结

3 改进分解算法下的信号稀疏表示

3.1 基于MP算法的信号稀疏表示

3.2 正交匹配追踪算法

3.3 正则化正交匹配追踪算法

3.4 仿真验证

3.5 实验验证

3.5.1 外圈故障信号验证

3.5.2 内圈故障信号验证

3.5.3 滚动体故障信号验证

3.6 本章小结

4 稀疏表示方法的去噪应用

4.1 信号分解重构方法基本原理

4.1.1 小波包变换

4.1.2 EMD分解

4.1.3 EEMD分解

4.2 基于稀疏表示方法去噪的仿真和实验验证

4.2.1 稀疏表示去噪小波包变换仿真和实验验证

4.2.2 稀疏表示去噪EMD分解仿真和实验验证

4.2.3 稀疏表示去噪EEMD分解仿真和实验验证

4.3 本章小结

5 基于PSO优化LS-SVM的滚动轴承故障分类

5.1 支持向量机

5.1.1 线性支持向量机

5.1.2 非线性支持向量机

5.1.3 常用核函数

5.2 最小二乘支持向量机及其参数优化

5.2.1 最小二乘支持向量机

5.2.2 最小二乘支持向量机参数优化

5.3 仿真验证

5.4 实验验证

5.5 本章小结

6 滚动轴承故障特征提取和模式识别平台设计

6.1 平台界面介绍

6.1.1 频域相关峭度界面介绍

6.1.2 ROMP界面介绍

6.1.3 LS-SVM故障模式识别界面介绍

6.2 平台界面结果展示

6.2.1 频域相关峭度界面结果展示

6.2.2 ROMP界面结果展示

6.2.3 LS-SVM故障模式识别界面结果展示

6.3 本章小结

7 总结与展望

7.1 总结

7.2 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