基于参数分析和EEMD能量熵的车轴疲劳裂纹声发射信号识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 概述 | 第8页 |
| 1.2 研究的背景及意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 列车故障诊断研究现状 | 第10-12页 |
| 1.3.2 声发射检测技术的研究现状 | 第12-13页 |
| 1.3.3 EEMD算法在故障领域中的应用 | 第13-14页 |
| 1.3.4 EEMD算法在声发射信号中的应用 | 第14页 |
| 1.3.5 学习向量量化(LVQ)算法的应用 | 第14-15页 |
| 1.4 课题来源以及本文主要内容 | 第15-17页 |
| 1.4.1 课题的来源 | 第15页 |
| 1.4.2 论文的主要研究内容 | 第15-17页 |
| 第二章 轨道车辆车轴裂纹的诊断技术及相关理论 | 第17-30页 |
| 2.1 车轴裂纹的声发射检测技术 | 第17-19页 |
| 2.1.1 声发射技术原理 | 第17页 |
| 2.1.2 声发射检测技术的特点 | 第17-18页 |
| 2.1.3 声发射技术的应用 | 第18-19页 |
| 2.2 声发射信号参数分析法 | 第19-20页 |
| 2.3 集合经验模态分解 | 第20-25页 |
| 2.3.1 EMD的基础理论 | 第21-23页 |
| 2.3.2 EEMD的基础理论 | 第23-25页 |
| 2.3.3 参数设置 | 第25页 |
| 2.4 能量熵 | 第25页 |
| 2.5 学习向量量化(LVQ) | 第25-29页 |
| 2.5.1 LVQ神经网络的结构 | 第26页 |
| 2.5.2 LVQ神经网络的学习算法 | 第26-29页 |
| 本章小结 | 第29-30页 |
| 第三章 基于参数分析法的车轴裂纹特征提取研究 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 列车车轴声发射仿真实验 | 第30-32页 |
| 3.2.1 实验目的 | 第30-31页 |
| 3.2.2 实验装置及设备 | 第31页 |
| 3.2.3 实验方案 | 第31-32页 |
| 3.3 车轴声发射信号参数分析 | 第32-38页 |
| 本章小结 | 第38-39页 |
| 第四章 基于EEMD能量熵的车轴裂纹识别研究 | 第39-59页 |
| 4.1 实验数据选取 | 第39-41页 |
| 4.2 车轴故障特征提取 | 第41-48页 |
| 4.3 IMF分量能量熵的计算及分析 | 第48-51页 |
| 4.4 车轴故障特征分类识别 | 第51-54页 |
| 4.5 与传统方法的对比 | 第54-58页 |
| 本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 结论 | 第59-60页 |
| 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
