声明
1 绪论
1.1 课题的研究背景与研究意义
1.2 国内外研究现状
1.2.1 振动信号去噪及特征提取现状
1.2.2 分类现状研究
1.2.3 故障诊断方法概述
1.3 本文主要研究内容及结构
1.3.1 主要研究内容
1.3.2 各章节结构安排
1.4 本章小结
2 相关理论知识介绍
2.1 基本知识
2.2 振动信号相关知识
2.3 相关向量机(RVM)分类方法
2.3.1 贝叶斯学习框架
2.2.2 相关向量机理论
2.3.3 相关向量机的特点
2.4 CWRU轴承数据库介绍
2.5 本章小结
3 振动信号的去噪和特征提取
3.1 多小波算法
3.1.1 多小波基本概念
3.1.2 多小波去噪算法改进
3.2 特征提取相关算法
3.2.1 经验模态分解(EMD)算法
3.2.2 集合经验模态分解(EEMD)算法
3.3 仿真实验数据说明
3.4 多小波预处理实验验证与对比
3.5 EEMD特征提取实验验证与对比
3.6 本章小结
4 基于有向无环图相关向量机的滚动轴承故障诊断研究
4.1 多分类算法研究
4.1.1 一对一相关向量机(OAO-RVM)多分类器
4.1.2 一对多相关向量机(OAR-RVM)多分类器
4.1.3 有向无环图相关向量机(DAG-RVM)多分类器
4.2 基于DAG-RVM 的滚动轴承故障诊断仿真实验
4.2.1 诊断流程
4.2.2 实验平台
4.3 实验对比分析
4.3.1 有向无环图(DAG)的优势
4.3.2 对比分析
4.4 本章小结
5 总结与展望
5.1 论文总结
5.2 研究展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢
中北大学;