| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.1.1 课题研究的背景 | 第8页 |
| 1.1.2 研究的目的及意义 | 第8-9页 |
| 1.2 旋转机械混合故障诊断研究现状 | 第9-12页 |
| 1.2.1 国内外研究现状 | 第9-11页 |
| 1.2.2 国内外文献综述简析 | 第11-12页 |
| 1.3 EMD 和 ICA-R 技术的发展 | 第12-13页 |
| 1.3.1 经验模态分解方法 | 第12页 |
| 1.3.2 带参考信号的独立分量分析方法 | 第12-13页 |
| 1.4 本课题的主要研究内容 | 第13-15页 |
| 第2章 基于 EMD 的振动模式提取方法 | 第15-33页 |
| 2.1 引言 | 第15页 |
| 2.2 旋转机械故障信号混合形式及仿真信号建立方法 | 第15-21页 |
| 2.2.1 旋转机械主要零部件的常见失效形势 | 第15-17页 |
| 2.2.2 旋转机械振动信号的混合形式 | 第17-18页 |
| 2.2.3 仿真信号的建立 | 第18-21页 |
| 2.3 EMD 方法的基本原理 | 第21-25页 |
| 2.3.1 瞬时频率和本征模态函数的定义 | 第21-22页 |
| 2.3.2 EMD 方法的算法 | 第22-24页 |
| 2.3.3 EMD 方法的完备性和正交性 | 第24页 |
| 2.3.4 虚假振动模式 | 第24-25页 |
| 2.4 基于 EMD 的振动信号预处理方法 | 第25-29页 |
| 2.4.1 基于 HHT 和相关系数的 IMF 机械振动模式提取方法 | 第25-26页 |
| 2.4.2 基于白噪声统计特性的机械振动模式提取方法 | 第26-29页 |
| 2.5 基于白噪声统计特性的振动模式提取方法仿真实验 | 第29-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于 ICA-R 的故障信号提取 | 第33-42页 |
| 3.1 引言 | 第33页 |
| 3.2 振动信号的 ICA 分离 | 第33-36页 |
| 3.2.1 ICA 的基本模型和不确定性 | 第33-34页 |
| 3.2.2 ICA 算法的一般流程 | 第34-35页 |
| 3.2.3 寻优判据和 ICA 典型算法 | 第35-36页 |
| 3.2.4 ICA 的局限性 | 第36页 |
| 3.3 基于 ICA-R 的故障提取 | 第36-39页 |
| 3.3.1 ICA-R 算法 | 第37-38页 |
| 3.3.2 参考信号的建立 | 第38-39页 |
| 3.4 仿真实验 | 第39-41页 |
| 3.4.1 机械故障信号仿真实验 | 第39-41页 |
| 3.4.2 与 ICA 分离效果的对比 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 实验验证 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 实验装置和数据采集系统 | 第42-46页 |
| 4.2.1 齿轮箱动态模拟系统 | 第42-43页 |
| 4.2.2 基于 LabVIEW2009 数据采集系统 | 第43页 |
| 4.2.3 软件设计 | 第43-46页 |
| 4.3 实验数据分析 | 第46-54页 |
| 4.3.1 混合信号预处理 | 第46-47页 |
| 4.3.2 基于脉冲法的 ICA-R | 第47-50页 |
| 4.3.3 单故障振动信号建立参考信号的 ICA-R | 第50-52页 |
| 4.3.4 齿轮、轴承内圈、滚动体故障并发实验 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63页 |
