摘要3-5
Abstract5-10
1 绪论10-17
1.1 对振动筛轴承进行故障诊断的探讨10-12
1.1.1 对振动筛轴承进行故障的必要性10
1.1.2 对振动筛轴承进行故障的近况10-11
1.1.3 轴承故障检测常用的策略11-12
1.2 盲源分离策略的探讨近况12-15
1.2.1 盲源分离的探讨之进展12-13
1.2.2 盲源分离策略的概述13-14
1.2.3 盲源分离技术在振动机械故障诊断中的运用14-15
1.2.4 盲源分离算法在机械故障诊断中的限制15
1.3 论文探讨的内容与结构安排15-17
2 盲源分离的论述基础及算法介绍17-36
2.1 盲源分离的基本不足17
2.2 盲源分离的数学描述17-19
2.2.1 不足描述17-18
2.2.2 基本检测设18-19
2.3 熵和信息19-23
2.3.1 熵19-20
2.3.2 K-L 熵和互信息20-21
2.3.3 负熵21-23
2.4 独立元浅析的历程23-25
2.4.1 预白化历程23-24
2.4.2 分离历程24-25
2.4.3 ICA 基矢量的估计25
2.5 盲源分离的几种有效算法25-30
2.5.1 最大熵策略25-27
2.5.2 最小互信息策略27-28
2.5.3 自然梯度算法仿真28-30
2.6 ICA 的快速定点算法的介绍30-34
2.6.1 快速定点算法的算法步骤31-32
2.6.2 图像分离仿真实验32-34
2.7 本章小结34-36
3 基于改善的 EEMD-BSS 的算法及其运用36-48
3.1 EMD 算法36-37
3.2 EEMD 算法37-42
3.2.1 具体的原理与分解步骤38
3.2.2 EMD 与 EEMD 算法性能比较的模拟仿真38-42
3.3 EEMD-BSS 算法的优点及运用42-45
3.3.1 EEMD 分解的盲源分离算法的思路43
3.3.2 模拟仿真实验43-45
3.4 机械源数的估计45-47
3.4.1 基于 EEMD-SVD 源数估计的策略45-46
3.4.2 EEMD-SVD 的源数估计步骤46
3.4.3 仿真实验46-47
3.5 本章小结47-48
4 振动筛的滚动轴承故障的特点浅析48-59
4.1 振动筛滚动轴承的主要失效形式48-49
4.2 滚动轴承故障的检测策略49-50
4.3 滚动轴承故障的振动检测法50-54
4.3.1 振动筛滚动轴承故障频率的计算策略51-53
4.3.2 振动筛滚动轴承的故障特点频率的计算53-54
4.4 实验室振动筛中轴承振动受力的浅析54-56
4.5 振动筛滚动轴承故障频谱浅析56-58
4.5.1 振动筛内圈频谱特点57
4.5.2 振动筛外圈频谱特点57-58
4.6 本章小结58-59
5 振动筛的轴承故障诊断实验59-76
5.1 实验采取振动筛的简单介绍59-61
5.1.1 实验室振动筛的结构59-60
5.1.2 实验室振动筛的工作原理60-61
5.2 振动筛滚动轴承故障数据平台的搭建61-63
5.2.1 故障数据提取历程61-62
5.2.2 传感器的选择62
5.2.3 实验所采取的应变测试系统62-63
5.2.4 传感器的布置63
5.3 旋转机械滚动轴承内外圈故障的频谱特点63-65
5.4 BSS 算法在振动筛滚动轴承内圈故障的数据浅析65-70
5.5 基于 EEMD-BSS 算法在机械故障诊断中的解决案例70
5.6 基于 EEMD-BSS 算法对轴承外圈故障的单通道盲分离70-75
5.7 本章总结75-76
6 总结与展望76-78
6.1 总结76
6.2 展望76-78
致谢78-79