基于啮合形态分析的齿轮故障诊断技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.1.1 课题的研究背景 | 第9页 |
| 1.1.2 课题的研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 齿轮系统动力学研究现状 | 第10页 |
| 1.2.2 传动误差检测分析技术 | 第10-11页 |
| 1.2.3 特征提取方法研究现状 | 第11页 |
| 1.2.4 故障模式识别方法的研究现状 | 第11-12页 |
| 1.3 本论文的研究内容 | 第12-15页 |
| 第2章 齿轮啮合形态的理论基础研究 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 齿轮啮合形态的理论基础分析 | 第15-17页 |
| 2.2.1 齿轮啮合形态的提出 | 第15页 |
| 2.2.2 齿轮系统动力学分析 | 第15-17页 |
| 2.3 齿轮副内部因素产生的误差分析 | 第17-19页 |
| 2.3.1 齿轮啮合综合误差分析 | 第17-18页 |
| 2.3.2 齿轮副啮合刚度分析 | 第18-19页 |
| 2.4 含故障齿轮的啮合形态分析 | 第19-22页 |
| 2.4.1 齿轮故障分类 | 第19-20页 |
| 2.4.2 磨损故障齿轮的啮合形态分析 | 第20-21页 |
| 2.4.3 裂纹故障齿轮的啮合形态分析 | 第21-22页 |
| 2.5 啮合误差信号模型与故障判定准则 | 第22-26页 |
| 2.5.1 齿轮系统的啮合误差信号模型 | 第22-25页 |
| 2.5.2 齿轮故障的判定准则 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 齿轮啮合误差信号采集系统设计 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 齿轮啮合误差信号采集平台介绍 | 第27-30页 |
| 3.2.1 齿轮啮合误差测量方案 | 第27-28页 |
| 3.2.2 角度编码器介绍 | 第28-29页 |
| 3.2.3 整体试验平台介绍 | 第29-30页 |
| 3.3 数据采集卡硬件设计 | 第30-34页 |
| 3.3.1 单片机芯片介绍 | 第30-31页 |
| 3.3.2 采集卡与上位机通信方式介绍 | 第31-32页 |
| 3.3.3 外部扩展芯片介绍 | 第32-33页 |
| 3.3.4 采集卡工作原理 | 第33-34页 |
| 3.4 数据采集卡程序设计 | 第34-36页 |
| 3.4.1 数据采集卡主程序设计 | 第34页 |
| 3.4.2 中断程序设计 | 第34-36页 |
| 3.4.3 外扩RAM芯片KEIL软件设置 | 第36页 |
| 3.5 上位机数据接收程序设计 | 第36-38页 |
| 3.5.1 前面板设计 | 第36-37页 |
| 3.5.2 程序框图 | 第37-38页 |
| 3.6 试验台验证 | 第38-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 啮合误差信号特征提取方法研究 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 集合经验模态分解 | 第41-44页 |
| 4.2.1 经验模态分解 | 第41-42页 |
| 4.2.2 EEMD的基本原理 | 第42-44页 |
| 4.3 阶次分析理论基础 | 第44-45页 |
| 4.3.1 阶次分析 | 第44页 |
| 4.3.2 阶次谱分析 | 第44-45页 |
| 4.4 EEMD分解与倒阶次谱相结合的方法 | 第45-46页 |
| 4.5 实验分析 | 第46-50页 |
| 4.5.1 仿真信号分析 | 第46-48页 |
| 4.5.2 实测信号分析 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 齿轮故障模式识别方法研究 | 第51-65页 |
| 5.1 引言 | 第51页 |
| 5.2 人工神经网络 | 第51-54页 |
| 5.2.1 人工神经元模型 | 第51-52页 |
| 5.2.2 人工神经网络拓扑结构 | 第52-53页 |
| 5.2.3 人工神经网络的学习 | 第53-54页 |
| 5.3 BP神经网络的算法与原理 | 第54-56页 |
| 5.3.1 BP神经网络 | 第54-55页 |
| 5.3.2 BP算法原理 | 第55-56页 |
| 5.3.3 BP算法的步骤和流程图 | 第56页 |
| 5.4 BP神经网络在故障诊断中的应用 | 第56-63页 |
| 5.4.1 提取故障信号的特征信息 | 第56-58页 |
| 5.4.2 BP神经网络模型 | 第58-59页 |
| 5.4.3 BP神经网络的训练与实验分析 | 第59-63页 |
| 5.5 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间所发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
