基于随机共振和混沌理论的行星齿轮箱微弱信号检测方法研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景与意义 | 第10页 |
1.2 国内外研究现状 | 第10-16页 |
1.3 本课题研究的主要内容 | 第16-18页 |
第二章 行星齿轮箱的结构特征与故障机理 | 第18-25页 |
2.1 行星齿轮箱结构特征 | 第18-19页 |
2.2 行星齿轮箱故障模式与机理 | 第19-21页 |
2.2.1 典型故障模式 | 第19-20页 |
2.2.2 典型故障机理 | 第20-21页 |
2.3 试验平台的搭建 | 第21-23页 |
2.4 行星齿轮箱故障特征频率的计算 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
第三章 随机共振理论模型及应用 | 第25-47页 |
3.1 随机共振的理论基础 | 第25-29页 |
3.1.1 随机共振的提出 | 第25页 |
3.1.2 随机共振的原理 | 第25-26页 |
3.1.3 随机共振的理论模型 | 第26-29页 |
3.2 随机共振的数值求解 | 第29-30页 |
3.3 随机共振的性能描述 | 第30-31页 |
3.4 对信号进行随机共振分析 | 第31-36页 |
3.4.1 低频信号的处理 | 第31-32页 |
3.4.2 高频信号的处理 | 第32-36页 |
3.5 随机共振效果的改进方法 | 第36-46页 |
3.5.1 基于级联的随机共振 | 第36-38页 |
3.5.2 基于相关分析的随机共振 | 第38-46页 |
3.6 本章小结 | 第46-47页 |
第四章 基于遗传算法的自适应随机共振 | 第47-57页 |
4.1 系统参数对随机共振的影响 | 第47-49页 |
4.2 遗传算法简介 | 第49-52页 |
4.2.1 遗传算法的原理 | 第50页 |
4.2.2 遗传算法的步骤 | 第50-51页 |
4.2.3 遗传算法的优点 | 第51-52页 |
4.3 基于遗传算法的随机共振 | 第52-56页 |
4.3.1 基于遗传算法的随机共振的理论 | 第52-53页 |
4.3.2 对试验数据进行遗传优化分析 | 第53-56页 |
4.4 本章小结 | 第56-57页 |
第五章 基于混沌理论的微弱信号检测方法 | 第57-77页 |
5.1 混沌理论的背景意义 | 第57-58页 |
5.2 混沌理论基础 | 第58-65页 |
5.2.1 混沌理论的基本概念 | 第58-59页 |
5.2.2 混沌现象的判别方法 | 第59-64页 |
5.2.3 混沌运动的主要特点 | 第64-65页 |
5.3 混沌系统的动力学模型 | 第65-67页 |
5.3.1 Duffing模型 | 第65-66页 |
5.3.2 Lorenz模型 | 第66页 |
5.3.3 Logistic模型 | 第66-67页 |
5.4 利用混沌振子检测微弱信号 | 第67-76页 |
5.4.1 模拟正弦信号进行检测 | 第67-72页 |
5.4.2 对试验数据进行混沌分析 | 第72-76页 |
5.5 本章小结 | 第76-77页 |
第六章 总结与展望 | 第77-79页 |
6.1 全文工作总结 | 第77-78页 |
6.2 本文的创新内容 | 第78页 |
6.3 研究展望 | 第78-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-84页 |
硕士期间所取得的研究成果 | 第84-85页 |