摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-24页 |
1.1 机械设备故障诊断 | 第12页 |
1.2 列车轴承故障诊断 | 第12-13页 |
1.3 列车轴承轨边声学故障诊断 | 第13-20页 |
1.3.1 研究现状 | 第13-15页 |
1.3.2 高速列车轴承轨边声学诊断系统的技术难点 | 第15-20页 |
1.4 论文的主要研究内容及创新点 | 第20-22页 |
1.4.1 论文主要研究内容与技术路线 | 第20-21页 |
1.4.2 论文主要创新点 | 第21-22页 |
1.5 论文内容的结构安排 | 第22-24页 |
第2章 实验信号获取与单麦克风分析的局限性研究 | 第24-42页 |
2.1 引言 | 第24页 |
2.2 列车轮对轴承故障及其信号获取 | 第24-30页 |
2.2.1 列车轮对轴承及其故障频率 | 第24-26页 |
2.2.2 实验信号获取 | 第26-29页 |
2.2.3 实验信号分析与测量问题验证 | 第29-30页 |
2.3 基于单麦克风分离矫正方法的局限性探究 | 第30-40页 |
2.3.1 基于形态时频率滤波的混叠分离 | 第31-32页 |
2.3.2 基于时频幅值匹配的畸变矫正 | 第32-33页 |
2.3.3 实验信号分析与单麦克风方法局限性的讨论 | 第33-40页 |
2.4 本章小结 | 第40-42页 |
第3章 声谱混叠分离:麦克风阵列的时变空域滤波方法研究 | 第42-60页 |
3.1 引言 | 第42-43页 |
3.2 轨边声学诊断系统多源问题下的阵列模型 | 第43-44页 |
3.3 基于麦克风阵列的时变空域滤波重排方法 | 第44-48页 |
3.3.1 空域滤波器与微弱信号增强 | 第44-46页 |
3.3.2 零角度空域滤波与微弱信号时间中心提取 | 第46-47页 |
3.3.3 时变空域滤波与多源畸变混叠信号的分离矫正 | 第47-48页 |
3.4 基于时变空域滤波重排的轨边声学多源故障识别方法 | 第48-59页 |
3.4.1 时变空域滤波重排的基本步骤 | 第49-50页 |
3.4.2 模拟案例验证 | 第50-52页 |
3.4.3 实验案例验证 | 第52-59页 |
3.5 本章小结 | 第59-60页 |
第4章 声谱畸变矫正:麦克风阵列的时变MUSIC方法研究 | 第60-78页 |
4.1 引言 | 第60-61页 |
4.2 轨边声学诊断系统声谱畸变问题下的阵列模型 | 第61-62页 |
4.3 基于麦克风阵列的声谱信号的无参化矫正方法 | 第62-67页 |
4.3.1 无参矫正方法的假设前提条件 | 第63-64页 |
4.3.2 基于T-MUSIC的时变接收角获取 | 第64-66页 |
4.3.3 基于角插值重采样的声谱畸变矫正 | 第66页 |
4.3.4 滑动窗窗长分析 | 第66-67页 |
4.4 无参矫正方法在轨边声学诊断系统中的应用 | 第67-75页 |
4.4.1 模拟案例研究 | 第68-71页 |
4.4.2 实验案例研究 | 第71-75页 |
4.5 本章小结 | 第75-78页 |
第5章 声谱特征增强:伪阵列信号的时变奇异值分解方法研究 | 第78-100页 |
5.1 引言 | 第78-79页 |
5.2 时变奇异值分解方法的理论框架 | 第79-85页 |
5.2.1 TSVD的基本流程 | 第79-81页 |
5.2.2 TSVD的频谱特性 | 第81-85页 |
5.3 基于TSVD的轴承故障频谱特征增强与识别路线 | 第85-86页 |
5.4 轴承故障模拟信号分析 | 第86-91页 |
5.4.1 基于TSVD模拟信号的频谱特征增强与识别 | 第86-88页 |
5.4.2 TSVD与传统方法的性能对比 | 第88-89页 |
5.4.3 TSVD中的窗长选择 | 第89-91页 |
5.4.4 TSVD的噪声鲁棒性研究 | 第91页 |
5.5 TSVD方法在轴承故障频谱特征增强中的应用 | 第91-97页 |
5.5.1 来自于CWRU的轴承振动信号 | 第92-95页 |
5.5.2 来自于列车轴承的声学信号 | 第95-97页 |
5.5.3 实验结果对比与分析 | 第97页 |
5.6 本章小结 | 第97-100页 |
第6章 总结与展望 | 第100-104页 |
6.1 论文的主要内容总结 | 第100-101页 |
6.2 论文的主要创新点 | 第101页 |
6.3 研究课题的进一步展望 | 第101-104页 |
参考文献 | 第104-114页 |
致谢 | 第114-116页 |
在读期间发表的学术论文与取得的其他研究成果 | 第116-117页 |