声明
致谢
摘要
1.1 课题的研究背景和意义
1.2 滚动轴承故障诊断研究状况
1.2.1 国内外故障诊断的发展状况
1.2.2 滚动轴承故障诊断的发展历程
1.3 滚动轴承故障特征提取方法
1.3.1 时域分析法
1.3.2 频域分析法
1.3.3 时频分析法
1.4 模式识别的研究状况
1.5 本文的研究内容与研究思路
2 滚动轴承的故障诊断和振动特性
2.1 滚动轴承的结构
2.2 滚动轴承的故障诊断
2.2.1 滚动轴承的故障及其成因
2.2.2 滚动轴承的故障诊断方法
2.3 滚动轴承的振动特性
2.3.1 滚动轴承的振动信号
2.3.2 滚动轴承的故障特征频率
2.3.3 基于振动信号的滚动轴承故障诊断
2.4 本章小结
3 基于最优品质因子的共振稀疏分解
3.1 共振属性
3.1.1 品质因子
3.1.2 信号的共振属性
3.2 品质因子可调小波变换
3.3 共振稀疏分解
3.3.1 形态分量分析
3.3.2 共振分量分离
3.3.3 共振稀疏分解的基本过程
3.4 基于品质因子优化的共振稀疏分解
3.4.1 峭度
3.4.2 品质因子优化
3.4.3 粒子群优化算法
3.4.4 粒子群优化算法的改进
3.4.5 基于改进PSO优化的共振稀疏分解
3.5 模拟信号分析
3.6 本章小结
4 支持向量机分类方法及其优化
4.1 机器学习理论
4.1.1 问题的表示
4.1.2 经验风险最小化原则
4.2 统计学习理论
4.3 支持向量机
4.3.1 线性支持向量机
4.3.2 非线性支持向量机
4.3.3 常用的核函数
4.4.1 最小二乘支持向量机
4.4.2 LS-SVM的优化
4.5 实验验证
4.6 本章小结
5 滚动轴承故障诊断优化方法的实验验证
5.1 滚动轴承故障信号的获取
5.2 滚动轴承故障特征频率提取
5.2.1 外圈故障信号分析
5.2.2 内圈故障信号分析
5.3 滚动轴承故障模式识别
5.4 本章小结
6 总结与展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集