声明
致谢
摘要
1 绪论
1.1 研究背景与意义
1.2 滚动轴承故障诊断技术在国内外的发展现状
1.2.1 国外的发展状况
1.2.2 国内的发展状况
1.3 滚动轴承的振动信号分析诊断方法
1.4 轴承故障智能诊断方法
1.5 论文研究思路与内容
2 滚动轴承振动特征研究
2.1 滚动轴承振动特征
2.1.1 滚动轴承的基本机构
2.1.2 滚动轴承振动机理
2.1.3 滚动轴承故障的基本形式
2.2 滚动轴承的振动信号特征
2.3 滚动轴承振动的特征频率
2.3.1 滚动轴承故障振动波形
2.3.2 滚动轴承的固有振动频率
2.3.3 滚动轴承的故障特征频率
2.4 本章小结
3 滚动轴承诊断技术及故障特征提取
3.1 振动信号时域分析及其故障特征提取
3.1.1 时域诊断方法
3.1.2 时域故障特征分析
3.2 基于集合经验模态分解(EEMD)的振动信号时频分析
3.2.1 经验模态分解(EMD)基本原理
3.2.2 集合经验模态分解(EEMD)基本原理
3.2.3 EEMD方法的优化
3.2.4 基于EMD的Hilbert谱的基本原理
3.2.5 故障信号的Hilbert时频谱分析及边际谱分析
3.3 基于EEMD的滚动轴承频域故障特征提取
3.4 本章小结
4 基于BP神经网络的滚动轴承智能诊断技术
4.1 人工神经网络概述
4.2 BP神经网络及其算法
4.2.1 BP神经网络
4.2.2 BP算法研究
4.2.3 BP算法的改进
4.3 基于BP神经网络的动车组传动系统滚动轴承智能诊断
4.3.1 隐层数与隐层节点的确定
4.3.2 传递函数与训练算法的选择
4.3.3 学习速度与学习误差的确定
4.3.4 输入层、输出层节点数与样本选择
4.4 状态识别神经网络的训练与测试
4.4.1 状态识别神经网络训练样本
4.4.2 状态识别神经网络的建立
4.4.3 状态识别神经网络的训练与测试结论分析
4.5 本章小结
5 基于Matlab与LabVIEW的滚动轴承故障诊断系统
5.1 系统组成及工作过程
5.2 系统硬件组成
5.3 系统软件
5.3.1 LabVIEW虚拟仪器开发软件简介
5.3.2 LabVIEW与Matlab混合编程
5.3.3 基于LabVIEW的数据采集系统和人机交互界面
5.4 滚动轴承故障诊断实验
5.5 本章小结
6 总结与展望
参考文献
作者简历
学位论文数据集