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
北京交通大学;