基于粒子滤波技术的齿轮箱故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·论文研究的背景及意义 | 第10-12页 |
| ·课题研究的背景 | 第10-11页 |
| ·课题研究的意义 | 第11-12页 |
| ·粒子滤波理论的研究现状 | 第12-14页 |
| ·齿轮箱故障诊断综述 | 第14-17页 |
| ·齿轮箱故障诊断技术的研究现状 | 第14-15页 |
| ·齿轮箱故障诊断技术的发展趋势 | 第15-17页 |
| ·本文所研究的主要内容 | 第17-19页 |
| 2 齿轮箱故障机理分析 | 第19-32页 |
| ·齿轮常见故障及其故障机理 | 第19-21页 |
| ·齿轮常见故障形式 | 第19-20页 |
| ·齿轮故障机理 | 第20-21页 |
| ·轴承常见故障及故障机理 | 第21-23页 |
| ·轴承常见的故障形式 | 第21页 |
| ·轴承故障机理 | 第21-23页 |
| ·齿轮箱故障振动信号的特征提取 | 第23-26页 |
| ·齿轮故障的振动信号特征 | 第23-25页 |
| ·轴承故障的振动信号特征 | 第25-26页 |
| ·齿轮箱振动信号的分析方法和特征提取 | 第26-31页 |
| ·时域分析 | 第26-28页 |
| ·频域分析 | 第28-30页 |
| ·时频分析 | 第30-31页 |
| ·本章总结 | 第31-32页 |
| 3 粒子滤波理论 | 第32-45页 |
| ·粒子滤波基本理论 | 第33-36页 |
| ·状态空间方程 | 第33页 |
| ·贝叶斯滤波原理 | 第33-35页 |
| ·蒙特卡罗积分 | 第35-36页 |
| ·粒子滤波算法 | 第36-40页 |
| ·序贯重要性采样（SIS） | 第37-38页 |
| ·粒子退化问题 | 第38-39页 |
| ·采样重要性重采样 | 第39-40页 |
| ·重要密度函数的选择 | 第40页 |
| ·标准粒子滤波算法 | 第40-41页 |
| ·粒子滤波算法仿真 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于粒子滤波的齿轮箱故障诊断试验和数据处理 | 第45-62页 |
| ·齿轮箱故障试验系统 | 第45-47页 |
| ·试验装置 | 第45-46页 |
| ·实验仪器的选用 | 第46-47页 |
| ·实验设计方案 | 第47-49页 |
| ·实验测点布置 | 第47页 |
| ·试验故障布置 | 第47-49页 |
| ·实验信号采集 | 第49页 |
| ·基于粒子滤波降噪的数据预处理 | 第49-51页 |
| ·粒子滤波降噪原理 | 第49页 |
| ·粒子滤波降噪仿真验证 | 第49-51页 |
| ·基于 AR 模型的齿轮箱系统状态模型建立 | 第51-60页 |
| ·齿轮箱系统的 AR 模型的验证 | 第52-54页 |
| ·模型参数估计和模型定阶 | 第54-57页 |
| ·齿轮箱正则粒子滤波降噪 | 第57-60页 |
| ·本章总结 | 第60-62页 |
| 5 基于神经网络的故障识别 | 第62-69页 |
| ·人工神经网络的基本概念 | 第62-63页 |
| ·BP 神经网络 | 第63-64页 |
| ·神经网络应用于模式识别 | 第64-68页 |
| ·特征提取 | 第64-66页 |
| ·BP 神经网络诊断系统 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士期间发表的论文及所取得研究的成果 | 第76-77页 |
| 致谢 | 第77页 |
