| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 国内外振动监测研究现状 | 第10-12页 |
| 1.2.1 振动信号处理方法 | 第11页 |
| 1.2.2 智能故障诊断方法 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第二章 基于插值重采样的阶次分析 | 第14-29页 |
| 2.1 阶次分析的意义与原理 | 第14-16页 |
| 2.1.1 阶次分析的意义 | 第14-15页 |
| 2.1.2 阶次分析的原理 | 第15-16页 |
| 2.2 重采样及实现方法 | 第16-23页 |
| 2.2.0 键相脉冲处理方法 | 第16-18页 |
| 2.2.1 基于二次曲线拟合的重采样时刻计算 | 第18-19页 |
| 2.2.2 基于插值滤波器的重采样时刻计算 | 第19-23页 |
| 2.3 阶次包络谱分析 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于阶次分析的风机齿轮箱振动信号分析 | 第29-44页 |
| 3.1 风机传感器测点与齿轮箱结构 | 第29-31页 |
| 3.1.1 风机齿轮箱结构 | 第29-30页 |
| 3.1.2 风机传感器测点布置与选型 | 第30-31页 |
| 3.2 齿轮箱常见故障及其特征频率 | 第31-32页 |
| 3.3 齿轮箱振动信号的阶次包络谱分析 | 第32-43页 |
| 3.3.1 信号的预处理 | 第32-34页 |
| 3.3.2 振动信号的阶次包络谱分析 | 第34-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于果蝇优化算法的支持向量机故障诊断 | 第44-54页 |
| 4.1 支持向量机分类原理 | 第44-45页 |
| 4.2 基于 FOA-SVM 的特征选择与参数优化 | 第45-48页 |
| 4.2.1 果蝇优化算法 | 第45-46页 |
| 4.2.2 FOA-SVM 模型的建立 | 第46-47页 |
| 4.2.3 实验分析 | 第47-48页 |
| 4.3 齿轮箱故障分类 | 第48-53页 |
| 4.3.1 恒转速滚动轴承的故障分类 | 第48-51页 |
| 4.3.2 变转速齿轮故障分类 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表论文情况 | 第58-59页 |
| 致谢 | 第59页 |