| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·齿轮箱故障诊断的重要意义 | 第9-10页 |
| ·齿轮箱诊断技术概述 | 第10-11页 |
| ·小波分析方法在齿轮箱故障诊断中的应用现状 | 第11-12页 |
| ·独立分量分析方法在故障诊断中的应用现状 | 第12-14页 |
| ·论文研究的主要内容 | 第14-16页 |
| ·本文的研究内容及采用的技术路线 | 第14-15页 |
| ·本文结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 齿轮箱故障振动源及特征分析 | 第17-27页 |
| ·齿轮的故障机理和信号特征 | 第17-22页 |
| ·齿轮振动模型 | 第17-19页 |
| ·齿轮常见故障 | 第19-20页 |
| ·齿轮故障振动信号特征 | 第20-22页 |
| ·滚动轴承的故障类型和信号特征 | 第22-24页 |
| ·滚动轴承的故障类型 | 第22页 |
| ·滚动轴承振动信号模型 | 第22-24页 |
| ·轴的故障类型和振动信号特征 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 小波变换和独立分量分析的理论和方法 | 第27-46页 |
| ·小波变换分析方法 | 第27-34页 |
| ·连续小波变换 | 第27-29页 |
| ·离散小波变换和多分辨率分析 | 第29-31页 |
| ·小波包分析 | 第31-33页 |
| ·小波分析应用举例——小波消噪分析 | 第33-34页 |
| ·独立分量分析的基础理论 | 第34-45页 |
| ·ICA 的基本模型 | 第34-35页 |
| ·ICA 问题的假设条件和不确定性 | 第35-38页 |
| ·性能评价标准 | 第38-39页 |
| ·预处理过程 | 第39-40页 |
| ·独立分量分析的算法 | 第40-42页 |
| ·独立性判据 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于一种改进粒子群的非线性盲分离算法 | 第46-61页 |
| ·非线性信号盲分离模型 | 第46-47页 |
| ·粒子群算法 | 第47-51页 |
| ·算法的背景 | 第47-48页 |
| ·算法原理 | 第48-50页 |
| ·基于动态因子和线性递减惯性权重的粒子群算法 | 第50-51页 |
| ·基于改进粒子群的独立分量分析算法 | 第51-54页 |
| ·算法改进的依据 | 第51-52页 |
| ·算法改进的原理和过程 | 第52-54页 |
| ·仿真实验研究 | 第54-60页 |
| ·基于 ICA 的简单信号混叠的仿真分析 | 第54-56页 |
| ·基于 ICA 的齿轮箱典型故障信号仿真分析 | 第56-58页 |
| ·结合小波包的齿轮箱信号 ICA 仿真分析的一些研究 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 5 齿轮箱实验数据采集及数据分析 | 第61-79页 |
| ·实验设备与故障类型 | 第61-63页 |
| ·齿轮箱振动信号的数据分析 | 第63-78页 |
| ·齿轮箱振动信号的盲源分离 | 第63-72页 |
| ·小波包故障特征提取 | 第72-73页 |
| ·基于支持向量机的故障分类 | 第73-78页 |
| ·算法效果比较 | 第78页 |
| ·本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| ·全文总结 | 第79-80页 |
| ·未来展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第86-87页 |
| 致谢 | 第87页 |