| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题的研究背景及意义 | 第11-13页 |
| 1.2 齿轮箱故障诊断的发展和现状 | 第13-15页 |
| 1.3 序贯概率比检验理论的应用研究 | 第15-18页 |
| 1.3.1 序贯概率比检验理论的发展历程 | 第15-17页 |
| 1.3.2 序贯概率比检验在故障诊断方面的应用 | 第17页 |
| 1.3.3 序贯概率比检验在目标检测和识别领域的应用研究 | 第17-18页 |
| 1.4 本文研究的主要内容和结构安排 | 第18-21页 |
| 第2章 序贯概率比检验算法研究 | 第21-29页 |
| 2.1 基本概念 | 第21-22页 |
| 2.1.1 原假设和备择假设 | 第21页 |
| 2.1.2 似然比检验 | 第21-22页 |
| 2.2 Wald的序贯概率比检验理论 | 第22-24页 |
| 2.2.1 定义 | 第22-23页 |
| 2.2.2 判决域 | 第23页 |
| 2.2.3 性质 | 第23-24页 |
| 2.3 基本序贯概率比检验算法 | 第24-25页 |
| 2.4 序贯概率比检验算法的改进 | 第25-26页 |
| 2.5 序贯概率比检验在工程实践中的应用步骤 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 齿轮箱故障诊断实验设计 | 第29-39页 |
| 3.1 信号采集设备 | 第29-30页 |
| 3.2 齿轮相关知识的介绍 | 第30-31页 |
| 3.3 齿轮裂纹的参数设置 | 第31-33页 |
| 3.4 齿轮的选择 | 第33页 |
| 3.5 实验参数设置 | 第33-36页 |
| 3.6 实验步骤 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第4章 序贯概率比检验在齿轮箱故障诊断中的应用研究 | 第39-61页 |
| 4.1 小波包降噪 | 第39-42页 |
| 4.1.1 小波包降噪的基本原理 | 第39-40页 |
| 4.1.2 小波包降噪步骤 | 第40-41页 |
| 4.1.3 齿轮箱振动信号的小波包降噪结果分析 | 第41-42页 |
| 4.2 特征值的提取 | 第42-43页 |
| 4.3 基于序贯概率比检验的齿轮箱故障诊断 | 第43-49页 |
| 4.3.1 序贯概率比检验算法研究 | 第43-46页 |
| 4.3.2 研究诊断结果及分析 | 第46-49页 |
| 4.4 基于三层序贯概率比检验的齿轮箱多状态识别 | 第49-59页 |
| 4.4.1 识别流程概述 | 第49-51页 |
| 4.4.2 均方根误差算法 | 第51-53页 |
| 4.4.3 识别结果分析与讨论 | 第53-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 小波神经网络的齿轮箱故障状态分类研究 | 第61-71页 |
| 5.1 小波神经网络 | 第61-65页 |
| 5.1.1 小波神经网络模型 | 第62-63页 |
| 5.1.2 小波神经网络BP算法 | 第63-65页 |
| 5.2 齿轮箱振动信号的特征参数提取 | 第65-68页 |
| 5.3 基于小波神经网络的故障状态分类 | 第68-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 本文研究工作总结 | 第71-72页 |
| 6.2 未来研究的展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士期间已发表的论文 | 第79-81页 |
| 致谢 | 第81页 |