| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·论文研究的目的和意义 | 第10-11页 |
| ·齿轮箱故障诊断技术的研究现状和发展方向 | 第11-14页 |
| ·研究现状 | 第11-13页 |
| ·发展方向 | 第13-14页 |
| ·粒子群优化算法的研究现状和发展方向 | 第14-16页 |
| ·研究现状 | 第14-15页 |
| ·发展方向 | 第15-16页 |
| ·论文的主要研究内容和结构构架 | 第16-19页 |
| 2 齿轮箱故障诊断技术 | 第19-31页 |
| ·齿轮箱的结构组成及故障形式 | 第19-20页 |
| ·齿轮箱的结构组成 | 第19页 |
| ·齿轮箱的常见故障形式 | 第19-20页 |
| ·齿轮的振动机理及振动特征 | 第20-25页 |
| ·齿轮振动信号的产生机理 | 第20-21页 |
| ·齿轮振动信号的特征分析 | 第21-22页 |
| ·齿轮振动信号的频谱分析 | 第22-25页 |
| ·滚动轴承的振动机理及振动特征 | 第25-28页 |
| ·滚动轴承振动信号的产生机理 | 第25-26页 |
| ·滚动轴承振动信号的特征分析 | 第26-27页 |
| ·滚动轴承振动信号的频谱分析 | 第27-28页 |
| ·齿轮箱时频域故障特征参量提取 | 第28-30页 |
| ·时域故障特征提取 | 第28-29页 |
| ·频域故障特征提取 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 粒子群优化算法 | 第31-41页 |
| ·粒子群优化算法的概述 | 第31-34页 |
| ·思想来源 | 第31页 |
| ·基本原理 | 第31-33页 |
| ·基本流程 | 第33-34页 |
| ·粒子群优化算法的改进 | 第34-37页 |
| ·理论研究改进 | 第34-35页 |
| ·拓扑结构改进 | 第35页 |
| ·混合算法改进 | 第35-36页 |
| ·离散版本改进 | 第36-37页 |
| ·粒子群优化算法的应用 | 第37-38页 |
| ·优化与设计应用 | 第37页 |
| ·调度与规划应用 | 第37页 |
| ·其他方面的应用 | 第37-38页 |
| ·粒子群优化算法的参数设置 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于协同进化PSO 算法的RBF 神经网络优化策略 | 第41-51页 |
| ·人工神经网络基本原理 | 第41-43页 |
| ·人工神经网络研究现状 | 第41页 |
| ·RBF 神经网络基本原理 | 第41-43页 |
| ·基于协同进化算法的 RBF 神经网络优化策略 | 第43-45页 |
| ·常见的协同进化策略 | 第43-44页 |
| ·基于协同进化PSO 算法的RBF 神经网络优化策略 | 第44-45页 |
| ·RBF 神经网络优化实现 | 第45-50页 |
| ·RBF 神经网络结构优化 | 第45-47页 |
| ·RBF 神经网络参数优化 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 5 优化后的RBF 神经网络在齿轮箱故障诊断中的应用 | 第51-73页 |
| ·齿轮箱振动测试实验 | 第51-55页 |
| ·实验方案 | 第51页 |
| ·实验设备 | 第51-53页 |
| ·实验内容 | 第53-55页 |
| ·齿轮箱振动的特征频率计算 | 第55-57页 |
| ·齿轮振动的特征频率计算 | 第55页 |
| ·滚动轴承振动的特征频率计算 | 第55-57页 |
| ·齿轮箱典型故障特征提取 | 第57-64页 |
| ·数据预处理 | 第57-58页 |
| ·时频域特征参量提取 | 第58-61页 |
| ·特征参数归一化处理 | 第61-64页 |
| ·优化后的RBF 神经网络在齿轮箱故障诊断中的应用 | 第64-72页 |
| ·神经网络模型的建立 | 第64-66页 |
| ·协同进化PSO 算法参数选取 | 第66-67页 |
| ·协同进化PSO 算法优化RBF 神经网络 | 第67-69页 |
| ·优化后RBF 神经网络的训练与测试 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士期间的研究成果 | 第79-80页 |
| 致谢 | 第80页 |
