| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 齿轮箱故障诊断的研究现状 | 第10-11页 |
| 1.2.2 EMD和FastICA算法的研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容和组织结构 | 第12-15页 |
| 2 齿轮箱的典型故障类型和振动机理分析 | 第15-23页 |
| 2.1 齿轮箱的典型故障类型 | 第15-17页 |
| 2.1.1 齿轮的典型故障类型 | 第15-16页 |
| 2.1.2 滚动轴承的典型故障类型 | 第16-17页 |
| 2.1.3 轴和箱体典型故障类型 | 第17页 |
| 2.2 齿轮箱的振动机理分析 | 第17-21页 |
| 2.2.1 齿轮的振动机理分析 | 第18-20页 |
| 2.2.2 滚动轴承的振动机理分析 | 第20-21页 |
| 2.3 本章小结 | 第21-23页 |
| 3 基于EMD和FastICA算法的单通道盲源分离方法研究 | 第23-37页 |
| 3.1 FastICA算法研究 | 第23-25页 |
| 3.2 基于FastICA算法的仿真实验研究 | 第25-27页 |
| 3.3 基于EMD和FastICA算法的单通道盲源分离方法 | 第27-31页 |
| 3.3.1 基于EMD算法的信号分离 | 第29页 |
| 3.3.2 信号源数估计 | 第29-30页 |
| 3.3.3 基于FastICA算法的信号特征提取 | 第30-31页 |
| 3.4 基于EMD和FastICA算法的单通道盲源分离仿真实验研究 | 第31-35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 基于EMD和FastICA算法的齿轮箱故障诊断实例分析 | 第37-65页 |
| 4.1 实验方案设计 | 第37-41页 |
| 4.1.1 实验平台 | 第38-40页 |
| 4.1.2 传感器设置 | 第40页 |
| 4.1.3 信号采集 | 第40-41页 |
| 4.2 基于EMD和FastICA算法的齿轮箱故障特征提取 | 第41-60页 |
| 4.2.1 齿轮箱正常实例分析 | 第41-46页 |
| 4.2.2 齿轮表面磨损故障实例分析 | 第46-51页 |
| 4.2.3 缺齿故障实例分析 | 第51-55页 |
| 4.2.4 复合故障实例分析 | 第55-60页 |
| 4.3 基于BP神经网络的齿轮箱故障分类 | 第60-63页 |
| 4.4 本章小结 | 第63-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 工作展望 | 第65-67页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-73页 |
