| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 行星齿轮箱故障诊断方法研究现状 | 第10-12页 |
| 1.3 论文主要研究内容及章节安排 | 第12-14页 |
| 第2章 高阶统计量 | 第14-25页 |
| 2.1 概述 | 第14页 |
| 2.2 高阶统计量理论 | 第14-17页 |
| 2.2.1 高阶矩与高阶累积量 | 第14-16页 |
| 2.2.2 高阶谱定义 | 第16-17页 |
| 2.3 双谱 | 第17-22页 |
| 2.3.1 双谱的估计方法 | 第17-18页 |
| 2.3.2 双谱的性质 | 第18-20页 |
| 2.3.3 仿真分析 | 第20-22页 |
| 2.4 对角切片谱 | 第22-24页 |
| 2.4.1 对角切片谱定义 | 第22页 |
| 2.4.2 对角切片谱性质 | 第22-23页 |
| 2.4.3 仿真分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 行星齿轮箱结构与振动信号降噪算法研究 | 第25-42页 |
| 3.1 概述 | 第25页 |
| 3.2 行星齿轮箱结构与故障特征频率分析 | 第25-30页 |
| 3.2.1 行星齿轮箱结构 | 第25-27页 |
| 3.2.2 齿轮失效形式及原因 | 第27-28页 |
| 3.2.3 行星齿轮箱特征频率 | 第28-30页 |
| 3.3 行星齿轮箱信号降噪算法 | 第30-41页 |
| 3.3.1 小波阈值降噪算法 | 第30-37页 |
| 3.3.2 改进小波Bayes阈值降噪算法 | 第37页 |
| 3.3.3 信号降噪效果评价指标 | 第37-38页 |
| 3.3.4 仿真分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 行星齿轮磨损故障特征提取方法研究 | 第42-56页 |
| 4.1 概述 | 第42页 |
| 4.2 EMD理论 | 第42-43页 |
| 4.3 EMD分量重构准则 | 第43-44页 |
| 4.3.1 峭度准则 | 第43-44页 |
| 4.3.2 相关系数准则 | 第44页 |
| 4.4 行星齿轮故障EMD-对角切片谱方法研究 | 第44-55页 |
| 4.4.1 EMD-对角切片谱分析方法 | 第44-45页 |
| 4.4.2 实验研究 | 第45-53页 |
| 4.4.3 对比分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 行星齿轮磨损程度识别方法研究 | 第56-64页 |
| 5.1 概述 | 第56页 |
| 5.2 Elman神经网络理论 | 第56-59页 |
| 5.2.1 Elman神经网络基本结构 | 第56-57页 |
| 5.2.2 Elman神经网络学习算法 | 第57-59页 |
| 5.3 行星齿轮磨损程度识别方法研究 | 第59-63页 |
| 5.3.1 对角切片谱-Elman神经网络分析方法 | 第59页 |
| 5.3.2 实验研究 | 第59-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 本文的主要工作及结论 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 个人简历及攻读硕士期间的研究成果 | 第70页 |