声明
摘要
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 轴承故障诊断技术
1.3.1 轴承故障特征提取方法
1.3.2 轴承故障模式识别方法
1.4 论文主要组织结构
2 轨道车辆滚动轴承故障诊断方法
2.1 滚动轴承故障诊断基础
2.1.1 滚动轴承振动机理
2.1.2 滚动轴承的主要故障形式及产生原因
2.1.3 滚动轴承的振动模型及特征
2.2 信号时频处理方法
2.2.1 特征参数法
2.2.2 傅里叶变换
2.2.3 共振解调基本原理
2.3 小波变换基本原理
2.3.1 连续小波变换
2.3.2 离散小波变换
2.3.3 小波分析实例仿真
2.4 小波包分析基本原理
2.4.1 小波理论分析
2.4.2 小波包分解算祛
2.4.3 小波包分析实例仿真
2.5 经验模态分解基本原理
2.5.1 EMD分解基本概念
2.5.2 EMD算法原理
2.5.3 EMD分解的特点
2.5.4 基于EMD分解包络解调的轴承故障诊断
2.6 本章小结
3 基于神经网络的滚动轴承故障诊断
3.1 轴承故障特征量的提取
3.1.1 基于EMD分解的特征量提取
3.1.2 基于小波包分解的特征量提取
3.2 神经网络原理与方法
3.2.1 人工神经网络及其建模方法
3.2.2 BP神经网络
3.2.3 RBF神经网络
3.2.4 神经网络建模步骤
3.3 基于神经网络轴承故障诊断实验仿真
3.3.1 小波包与BP神经网络结合故障诊断模型
3.3.2 小波包与RBF神经网络结合故障诊断模型
3.3.3 EMD与BP神经网络结合故障诊断模型
3.3.4 EMD与RBF神经网络结合故障诊断模型
3.4 本章小结
4 基于遗传算法优化的RBF神经网络的滚动轴承故障诊断
4.1 基于遗传算法优化的RBF神经网络模型
4.1.1 遗传基本概念
4.1.2 GA-RBF神经网络建模
4.2 小波包与GA-RBF神经网络结合故障诊断模型
4.3 EMD与GA-RBF神经网络结合故障诊断模型
4.4 本章小结
5 基于实测数据的仿真实验
5.1 轨道车辆滚动轴承故障数据采集
5.2 轨道车辆滚动轴承故障特征量提取
5.3 小波包与GA-RBF神经网络结合故障诊断模型
5.4 EMD与GA-RBF神经网络结合故障诊断模型
5.5 本章小结
6 结论
6.1 全文总结
6.2 研究展望
致谢
参考文献
附录