摘要5-6
Abstract6-10
第1章 绪论10-19
1.1 课题背景10-11
1.2 液压系统故障诊断技术的探讨近况和进展走势11-14
1.2.1 液压系统故障诊断技术的探讨近况11-13
1.2.2 液压系统故障诊断技术的进展方向13-14
1.3 EMD 分解与小波脊线在故障诊断中的运用14-16
1.3.1 EMD 分解在故障诊断中的探讨14-15
1.3.2 小波脊线法在故障诊断中的探讨15-16
1.4 K 均值聚类浅析在故障诊断中的运用16-17
1.5 本论文探讨的作用和主要内容17-19
1.5.1 本论文探讨的作用17-18
1.5.2 本论文探讨主要内容18-19
第2章 基于 EMD 分解的小波脊线解调论述19-29
2.1 Hilbert 变换解调19
2.2 固有模态函数19-21
2.3 EMD 分解21-22
2.4 Hilbert 谱与 Hilbert 边际谱22
2.5 小波脊线论述22-25
2.5.1 小波脊线22-23
2.5.2 渐进信号的剖析小波变换23-24
2.5.3 小波脊线与小波曲线24
2.5.4 基于小波脊线的信号瞬时特点提取24-25
2.6 小波脊线解调与 Hilbert 变换解调对仿真信号的探讨25-28
2.7 本章小结28-29
第3章 基于 EMD 分解的小波脊线法对液压泵振动信号浅析29-46
3.1 基于 EMD 分解的小波脊线解调29
3.2 液压泵状态信号的采集29-31
3.3 柱塞泵滑靴磨损故障振动信号浅析31-37
3.4 柱塞泵松靴故障振动信号浅析37-41
3.5 柱塞泵中心弹簧失效故障振动信号浅析41-45
3.6 本章小结45-46
第4章 基于 EMD 分解的小波脊线法对轴承振动信号浅析46-61
4.1 轴承故障探讨作用46
4.2 轴承振动信号的采集46-48
4.3 轴承外圈故障振动信号浅析48-52
4.4 轴承内圈故障振动信号浅析52-55
4.5 轴承滚动体故障振动信号浅析55-59
4.6 本章小结59-61
第5章 故障特点向量提取及方式识别61-76
5.1 故障特点向量提取61-70
5.1.1 EMD 分解与小波脊线解调相结合的故障特点向量提取61-62
5.1.2 液压泵振动信号的特点提取62-66
5.1.3 轴承振动信号的特点提取66-70
5.2 方式识别70-75
5.2.1 K 均值聚类70-71
5.2.2 基于 K 均值聚类的轴向柱塞泵振动信号的故障识别71-73
5.2.3 基于 K 均值聚类轴承振动信号的故障识别73-75
5.3 本章小结75-76
结论76-78