| 摘要 | 第1-11页 |
| Abstract | 第11-14页 |
| 第1章 绪论 | 第14-32页 |
| ·课题来源 | 第14页 |
| ·研究的背景意义和目的 | 第14-16页 |
| ·国内外研究现状 | 第16-28页 |
| ·数控机床伺服系统故障诊断的特点 | 第16-17页 |
| ·数控机床伺服系统故障诊断国内外研究现状 | 第17-27页 |
| ·数控机床伺服系统故障诊断存在的问题 | 第27-28页 |
| ·本课题研究的主要内容及章节安排 | 第28-32页 |
| ·论文研究主要内容 | 第28-30页 |
| ·论文章节安排 | 第30-32页 |
| 第2章 数控机床伺服系统建模、故障机理分析及检测方法研究 | 第32-53页 |
| ·引言 | 第32页 |
| ·数控机床伺服系统数学模型的建立 | 第32-42页 |
| ·机械传动装置数学模型建立 | 第33-36页 |
| ·驱动电机数学模型建立 | 第36-37页 |
| ·系统刚度数学模型建立 | 第37-38页 |
| ·伺服系统模型建立及稳定性判别 | 第38-42页 |
| ·伺服系统典型故障机理分析及检测方法 | 第42-46页 |
| ·伺服系统典型故障及表现 | 第42页 |
| ·机械振动和噪声信号故障机理及检测方法 | 第42-43页 |
| ·伺服系统本体信息检测原理 | 第43-45页 |
| ·伺服误差信息检测原理及方法 | 第45-46页 |
| ·典型故障机理与系统模型仿真 | 第46-52页 |
| ·伺服电机输出电流与传动故障之间的关系仿真 | 第47-49页 |
| ·伺服误差信息与系统动态性能的关系仿真 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第3章 基于异类传感器融合的试验系统搭建及关键技术研究 | 第53-67页 |
| ·引言 | 第53页 |
| ·异类传感器融合的试验系统搭建 | 第53-61页 |
| ·异类传感器融合的试验系统原理 | 第53-55页 |
| ·异类传感器融合的试验系统搭建 | 第55-61页 |
| ·异类传感器融合的数据配准技术 | 第61-66页 |
| ·异类传感器数据配准关键技术 | 第61-64页 |
| ·异类传感器试验系统数据配准实现 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第4章 滚动轴承故障特征频率计算与检测试验误差机理研究 | 第67-85页 |
| ·引言 | 第67页 |
| ·滚动轴承故障特征频率计算与检测试验 | 第67-73页 |
| ·滚动轴承故障特征频率计算 | 第67-70页 |
| ·滚动轴承故障特征频率检测试验 | 第70-73页 |
| ·滚动轴承故障特征频率试验误差积累与传递 | 第73-78页 |
| ·本体结构参数变异产生误差积累 | 第74页 |
| ·实际工作条件和理想状态差异产生误差积累 | 第74-76页 |
| ·信息处理技术产生误差积累 | 第76-78页 |
| ·误差消除与改善技术方法研究 | 第78-84页 |
| ·本体结构误差与纯滚动理想条件误差改善 | 第78页 |
| ·改变实际转频计算方法改善误差 | 第78-79页 |
| ·频谱细化技术提高频谱分辨率 | 第79-83页 |
| ·故障特征频率试验误差研究结论 | 第83-84页 |
| ·小结 | 第84-85页 |
| 第5章 基于数据驱动和模糊证据获取与融合的滚动轴承故障诊断方法研究 | 第85-102页 |
| ·引言 | 第85页 |
| ·基于数据驱动的故障诊断模式构建 | 第85-87页 |
| ·数据驱动的模糊故障专家系统的构建 | 第85-86页 |
| ·待检样本模糊故障隶属度函数的构建 | 第86-87页 |
| ·随机集理论框架下的模糊证据获取及匹配融合 | 第87-93页 |
| ·随机变量与随机集 | 第87-88页 |
| ·模糊集与截集 | 第88-89页 |
| ·随机集单点覆盖函数与模糊集的随机集表示 | 第89-91页 |
| ·证据融合规则 | 第91-92页 |
| ·D-S证据理论 | 第92-93页 |
| ·数据驱动的随机模糊证据获取与D-S理论融合试验研究 | 第93-97页 |
| ·方法的可行性验证 | 第93-94页 |
| ·方法的实用性验证 | 第94-97页 |
| ·数据驱动与直觉模糊决策融合的滚动轴承故障诊断方法研究 | 第97-100页 |
| ·不确定度分析与直觉模糊集 | 第97-98页 |
| ·加权的直觉模糊集决策融合及判定规则 | 第98-99页 |
| ·数据驱动与随机直觉模糊决策融合的试验研究 | 第99-100页 |
| ·小结 | 第100-102页 |
| 第6章 直觉模糊决策加权融合的伺服系统故障诊断研究 | 第102-125页 |
| ·引言 | 第102页 |
| ·混合域特征提取和筛选 | 第102-110页 |
| ·混合域参数选择及特征提取 | 第102-108页 |
| ·基于极值间距的特征筛选 | 第108-110页 |
| ·基于不同分类器的伺服系统分级故障诊断 | 第110-117页 |
| ·基于BP神经网络的伺服系统故障诊断 | 第110-111页 |
| ·基于径向基网络的伺服系统故障诊断 | 第111-113页 |
| ·基于支持向量机的伺服系统故障诊断 | 第113-114页 |
| ·三种不同分类器的伺服系统故障诊断试验研究 | 第114-117页 |
| ·直觉模糊决策加权融合的伺服系统故障分级诊断试验研究 | 第117-124页 |
| ·证据体权重矩阵的确定 | 第117-118页 |
| ·分类器权重系数的确定 | 第118页 |
| ·基于加权集结算子的直觉模糊决策融合策略 | 第118-124页 |
| ·小结 | 第124-125页 |
| 第7章 结论 | 第125-127页 |
| ·论文工作总结 | 第125-126页 |
| ·研究展望 | 第126-127页 |
| 参考文献 | 第127-137页 |
| 攻读博士学位期间完成的学术论文及科研成果 | 第137-138页 |
| 致谢 | 第138页 |
广告服务 
