| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-29页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-25页 |
| 1.2.1 机械故障诊断及特征提取技术发展概况与趋势 | 第14-15页 |
| 1.2.2 基于信号分析方法的机械故障特征提取 | 第15-21页 |
| 1.2.3 基于数学形态学的机械故障特征提取 | 第21-22页 |
| 1.2.4 基于信息熵的机械故障特征提取 | 第22页 |
| 1.2.5 机械故障动力学与动力行为特征提取 | 第22-25页 |
| 1.3 课题的提出与主要研究内容 | 第25-29页 |
| 1.3.1 课题的提出 | 第25-27页 |
| 1.3.2 主要研究内容 | 第27-29页 |
| 第2章 齿轮系统侧隙故障、追逐齿问题动力行为特征提取 | 第29-47页 |
| 2.1 侧隙故障动力学模型的建立 | 第30-35页 |
| 2.1.1 六自由度啮合耦合型动力学模型 | 第30-32页 |
| 2.1.2 动态啮合刚度 | 第32页 |
| 2.1.3 非线性动态齿侧间隙 | 第32-33页 |
| 2.1.4 摩擦力与节线冲击 | 第33-34页 |
| 2.1.5 无量纲化 | 第34-35页 |
| 2.2 侧隙故障数值仿真与动力行为分析 | 第35-39页 |
| 2.2.1 全部轮齿均匀磨损导致的侧隙故障 | 第35-38页 |
| 2.2.2 齿轮偏心磨损导致的侧隙故障 | 第38-39页 |
| 2.2.3 齿轮系统传递误差的检测 | 第39页 |
| 2.3 侧隙故障实验研究 | 第39-42页 |
| 2.4 追逐齿问题及其动力行为分析 | 第42-45页 |
| 2.4.1 追逐齿现象 | 第42-43页 |
| 2.4.2 追逐齿动力行为分析 | 第43-45页 |
| 2.5 本章小结 | 第45-47页 |
| 第3章 基于听觉显著性计算的机械故障瞬态成分检测 | 第47-68页 |
| 3.1 听觉注意与显著性计算简介 | 第47-50页 |
| 3.1.1 听觉注意 | 第47-48页 |
| 3.1.2 语音信号听觉显著性计算模型 | 第48-50页 |
| 3.2 听觉系统与听觉模型 | 第50-54页 |
| 3.2.1 人耳听觉系统 | 第50-51页 |
| 3.2.2 听觉外周模型 | 第51-54页 |
| 3.3 机械故障振动信号瞬态成分检测的听觉显著性计算模型 | 第54-57页 |
| 3.4 实验验证 | 第57-66页 |
| 3.4.1 仿真信号分析 | 第57-60页 |
| 3.4.2 齿轮系统侧隙故障实测信号分析 | 第60-63页 |
| 3.4.3 轮齿折断故障实测信号分析 | 第63-65页 |
| 3.4.4 轴承微弱故障实测信号分析 | 第65-66页 |
| 3.5 瞬态成分听觉显著图的优化处理 | 第66-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第4章 基于模态辨识字典稀疏表示的机械故障冲击特征提取 | 第68-92页 |
| 4.1 稀疏表示理论与方法 | 第68-75页 |
| 4.1.1 稀疏表示模型 | 第69-70页 |
| 4.1.2 过完备字典的构造 | 第70-73页 |
| 4.1.3 稀疏分解算法 | 第73-75页 |
| 4.2 基于EEMD与Laplace小波相关滤波的模态辨识字典及故障冲击特征提取 | 第75-86页 |
| 4.2.1 Laplace小波与相关滤波 | 第76-78页 |
| 4.2.2 模态辨识字典的构建及故障信号稀疏表示 | 第78-79页 |
| 4.2.3 轴承故障仿真信号冲击特征提取 | 第79-84页 |
| 4.2.4 轴承微弱故障实测信号冲击特征提取 | 第84-86页 |
| 4.3 基于实测冲击响应的模态辨识字典及故障冲击特征提取 | 第86-91页 |
| 4.3.1 方法描述 | 第86-87页 |
| 4.3.2 仿真故障信号冲击特征提取 | 第87-88页 |
| 4.3.3 实测齿轮系统侧隙故障冲击特征提取 | 第88-91页 |
| 4.4 本章小结 | 第91-92页 |
| 第5章 基于数学形态腐蚀谱的机械故障特征提取 | 第92-106页 |
| 5.1 数学形态学基本理论 | 第92-95页 |
| 5.1.1 数学形态学基本运算 | 第92-94页 |
| 5.1.2 结构元素 | 第94页 |
| 5.1.3 多尺度形态运算 | 第94-95页 |
| 5.2 数学形态谱 | 第95-96页 |
| 5.3 数学形态腐蚀谱及其故障特征提取方法 | 第96-98页 |
| 5.3.1 数学形态腐蚀谱 | 第97页 |
| 5.3.2 基于数学形态腐蚀谱的故障特征提取方法 | 第97-98页 |
| 5.4 仿真分析 | 第98-103页 |
| 5.4.1 有效性对比分析 | 第98-101页 |
| 5.4.2 参数影响分析 | 第101-103页 |
| 5.5 轴承微弱故障实测信号分析 | 第103-105页 |
| 5.6 本章小结 | 第105-106页 |
| 第6章 数学形态腐蚀谱熵及其在预测特征提取中的应用 | 第106-123页 |
| 6.1 基于信息熵的信号复杂度描述 | 第107-112页 |
| 6.1.1 信息熵的概念 | 第107页 |
| 6.1.2 近似熵 | 第107-109页 |
| 6.1.3 样本熵 | 第109-110页 |
| 6.1.4 谱熵 | 第110-112页 |
| 6.2 数学形态腐蚀谱熵及其预测特征提取方法 | 第112-114页 |
| 6.2.1 数学形态腐蚀谱熵 | 第112-113页 |
| 6.2.2 基于数学形态腐蚀谱熵的预测特征提取方法 | 第113-114页 |
| 6.3 性能退化仿真信号分析 | 第114-118页 |
| 6.3.1 方法的有效性分析 | 第114-117页 |
| 6.3.2 参数对分析结果的影响 | 第117-118页 |
| 6.4 轴承性能退化实测数据分析 | 第118-122页 |
| 6.4.1 滚动轴承疲劳寿命测试实验介绍 | 第119-120页 |
| 6.4.2 预测特征的提取 | 第120-122页 |
| 6.5 本章小结 | 第122-123页 |
| 第7章 结论与展望 | 第123-125页 |
| 参考文献 | 第125-136页 |
| 致谢 | 第136-137页 |
| 攻读博士学位期间取得的学术成果 | 第137-138页 |
| 作者简介 | 第138页 |
