基于粒子滤波降噪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10-17页 |
| ·课题研究背景和意义 | 第10页 |
| ·课题来源 | 第10页 |
| ·选题意义 | 第10页 |
| ·齿轮箱故障诊断的研究现状和发展趋势 | 第10-12页 |
| ·齿轮箱故障诊断的研究现状 | 第10-12页 |
| ·齿轮箱故障诊断的发展趋势 | 第12页 |
| ·粒子滤波理论研究现状 | 第12-15页 |
| ·本文所做的工作 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 齿轮箱故障机理及特征提取 | 第17-29页 |
| ·齿轮典型故障机理分析 | 第17-20页 |
| ·齿轮常见的失效形式 | 第17-18页 |
| ·齿轮的固有特性 | 第18-19页 |
| ·齿轮故障的振动信号特征 | 第19-20页 |
| ·轴承典型故障机理分析 | 第20-22页 |
| ·轴承常见的失效形式 | 第20-21页 |
| ·轴承故障的振动信号特征 | 第21-22页 |
| ·齿轮箱振动信号的分析方法和特征提取 | 第22-27页 |
| ·时频域统计特征 | 第22页 |
| ·频谱分析 | 第22-25页 |
| ·时频分析技术 | 第25-26页 |
| ·包络解调分析 | 第26-27页 |
| ·齿轮箱故障状态识别方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 粒子滤波理论 | 第29-44页 |
| ·贝叶斯估计理论 | 第29-31页 |
| ·卡尔曼滤波器 | 第31-32页 |
| ·无迹卡尔曼滤波（UKF） | 第32-35页 |
| ·UT变换 | 第32-34页 |
| ·UKF算法 | 第34-35页 |
| ·粒子滤波理论 | 第35-43页 |
| ·序贯重要性采样（SIS） | 第36-37页 |
| ·粒子滤波的退化问题 | 第37-38页 |
| ·粒子滤波的关键技术 | 第38-40页 |
| ·标准粒子滤波算法 | 第40-41页 |
| ·粒子滤波算法仿真 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 试验系统和试验数据预处理 | 第44-62页 |
| ·故障诊断环节 | 第44页 |
| ·故障诊断试验系统 | 第44-48页 |
| ·试验装置 | 第44-45页 |
| ·故障设置和测点布置 | 第45-48页 |
| ·信号采集 | 第48页 |
| ·试验数据预处理 | 第48-60页 |
| ·基于粒子滤波的数据降噪原理 | 第48页 |
| ·仿真分析 | 第48-51页 |
| ·齿轮箱振动加速度信号降噪预处理 | 第51-60页 |
| ·本章小结 | 第60-62页 |
| 5 基于神经网络的故障模式识别 | 第62-73页 |
| ·神经网络原理及其在故障诊断中的应用 | 第62-65页 |
| ·神经网络基础 | 第62-64页 |
| ·BP神经网络 | 第64页 |
| ·神经网络应用于故障诊断 | 第64-65页 |
| ·小波包能量谱特征提取 | 第65-67页 |
| ·小波包能量谱原理 | 第65-66页 |
| ·试验数据分析处理 | 第66-67页 |
| ·BP神经网络诊断系统 | 第67-72页 |
| ·本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| ·总结 | 第73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
