| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 齿轮箱诊断技术概述 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 故障预测方法 | 第11-12页 |
| 1.3.2 故障特征提取方法 | 第12-13页 |
| 1.3.3 故障诊断方法 | 第13-14页 |
| 1.4 课题来源与研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 2 大型吊装装备齿轮箱故障诊断与预测方案总体设计 | 第16-24页 |
| 2.1 大型吊装装备齿轮传动系统结构及特点 | 第16-17页 |
| 2.2 齿轮箱常见故障及诊断方法 | 第17-18页 |
| 2.2.1 齿轮箱常见故障类型 | 第17页 |
| 2.2.2 齿轮箱主要故障原因 | 第17-18页 |
| 2.3 需求分析 | 第18-20页 |
| 2.3.1 技术参数指标 | 第18-19页 |
| 2.3.2 功能需求 | 第19-20页 |
| 2.4 总体方案设计 | 第20-23页 |
| 2.4.1 齿轮箱诊断与预测方法适用性对比与分析 | 第20-21页 |
| 2.4.2 总体方案设计 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于组合核函数OSVR算法的齿轮箱状态趋势预测 | 第24-38页 |
| 3.1 常用趋势预测模型及分析 | 第24页 |
| 3.2 OSVR基本原理及核函数分析 | 第24-27页 |
| 3.2.1 SVR算法原理 | 第24-25页 |
| 3.2.2 在线支持向量回归 | 第25-26页 |
| 3.2.3 核函数类型及影响 | 第26-27页 |
| 3.3 相空间重构 | 第27-28页 |
| 3.3.1 时间延迟确定 | 第27-28页 |
| 3.3.2 嵌入维数确定 | 第28页 |
| 3.4 基于组合核函数OSVR模型的预测算法 | 第28-33页 |
| 3.4.1 算法基本思路 | 第28-30页 |
| 3.4.2 算法具体步骤与流程图 | 第30页 |
| 3.4.3 仿真验证 | 第30-33页 |
| 3.5 齿轮箱温度趋势预测 | 第33-35页 |
| 3.5.1 温度数据采集 | 第33-34页 |
| 3.5.2 温度趋势预测与分析 | 第34-35页 |
| 3.6 齿轮箱磨损趋势预测 | 第35-37页 |
| 3.6.1 磨损数据采集 | 第35-36页 |
| 3.6.2 磨损趋势预测与分析 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 4 基于EMD-CMICA的故障齿轮箱振动信号特征提取 | 第38-56页 |
| 4.1 经验模态分解 | 第38页 |
| 4.2 盲源分离和独立成分分析 | 第38-39页 |
| 4.2.1 ICA/BSS基本原理 | 第39页 |
| 4.2.2 常见盲源分离方法 | 第39页 |
| 4.3 一种基于多阶累积量的ICA算法 | 第39-43页 |
| 4.3.1 高阶统计量及性质 | 第40页 |
| 4.3.2 对比函数构造 | 第40-43页 |
| 4.3.3 CMICA算法步骤 | 第43页 |
| 4.4 基于EMD的CMICA方法 | 第43-47页 |
| 4.4.1 评价指标 | 第43-44页 |
| 4.4.2 EMD-CMICA方法仿真验证 | 第44-46页 |
| 4.4.3 方法比较分析 | 第46-47页 |
| 4.5 故障特征提取分析 | 第47-49页 |
| 4.5.1 包络谱分析 | 第47-48页 |
| 4.5.2 时频谱分析 | 第48-49页 |
| 4.6 基于EMD-CMICA的故障特征提取方法步骤 | 第49-50页 |
| 4.7 实验验证 | 第50-55页 |
| 4.7.1 实验条件 | 第50-51页 |
| 4.7.2 实验信号特征提取与分析 | 第51-55页 |
| 4.8 本章小结 | 第55-56页 |
| 5 基于高阶累积量谱的齿轮箱故障诊断 | 第56-73页 |
| 5.1 双谱 | 第56-61页 |
| 5.1.1 双谱定义 | 第56页 |
| 5.1.2 双谱性质 | 第56-57页 |
| 5.1.3 基于仿真信号的双谱分析 | 第57-61页 |
| 5.2 双谱的特征提取 | 第61-63页 |
| 5.2.1 能量熵定义 | 第61页 |
| 5.2.2 双谱能量熵提取 | 第61-62页 |
| 5.2.3 特征向量构造 | 第62-63页 |
| 5.3 基于SVM的故障分类器构造 | 第63-65页 |
| 5.3.1 SVM分类器 | 第63页 |
| 5.3.2 SVM多分类器构造 | 第63-65页 |
| 5.4 总体流程图 | 第65-66页 |
| 5.5 实验分析 | 第66-72页 |
| 5.5.1 实验条件 | 第66页 |
| 5.5.2 双谱分析 | 第66-67页 |
| 5.5.3 样本的特征提取 | 第67-70页 |
| 5.5.4 SVM故障分类实验 | 第70-71页 |
| 5.5.5 诊断结果分析与对比 | 第71-72页 |
| 5.6 本章小结 | 第72-73页 |
| 6 大型吊装装备齿轮箱故障诊断系统设计 | 第73-83页 |
| 6.1 故障诊断系统设计 | 第73-75页 |
| 6.2 数据采集模块 | 第75-76页 |
| 6.3 数据分析模块 | 第76-81页 |
| 6.3.1 趋势预测分析模块 | 第77-78页 |
| 6.3.2 时域频域分析模块 | 第78-79页 |
| 6.3.3 特征提取分析模块 | 第79-80页 |
| 6.3.4 故障诊断分析模块 | 第80-81页 |
| 6.3.5 综合诊断决策 | 第81页 |
| 6.4 本章小结 | 第81-83页 |
| 7 总结与展望 | 第83-85页 |
| 7.1 全文总结 | 第83页 |
| 7.2 工作展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 附录 | 第91页 |
