| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 齿轮故障诊断的背景及研究意义 | 第11-12页 |
| 1.2 齿轮故障诊断的研究现状 | 第12-14页 |
| 1.3 数学形态学方法的提出及研究现状 | 第14-16页 |
| 1.4 局域均值分解方法的提出及研究现状 | 第16-17页 |
| 1.5 本文主要研究内容 | 第17-19页 |
| 第二章 齿轮振动信号特征分析 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 齿轮的振动及数学模型的建立 | 第19-22页 |
| 2.2.1 齿轮的振动 | 第20-22页 |
| 2.2.2 齿轮振动的数学模型 | 第22页 |
| 2.3 齿轮典型故障信号特征 | 第22-24页 |
| 2.4 齿轮故障对运动参数的影响 | 第24页 |
| 2.5 本章小结 | 第24-27页 |
| 第三章 数学形态滤波技术研究 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 数学形态学基本运算 | 第27-30页 |
| 3.2.1 形态腐蚀和形态膨胀 | 第27-28页 |
| 3.2.2 形态开运算和形态闭运算 | 第28页 |
| 3.2.3 形态算子对形态滤波的影响 | 第28-30页 |
| 3.3 数学形态滤波技术 | 第30-32页 |
| 3.3.1 形态开-闭和形态闭-开滤波器 | 第30页 |
| 3.3.2 平均组合滤波器 | 第30-31页 |
| 3.3.3 广义形态滤波器 | 第31页 |
| 3.3.4 数学形态滤波器结构元素的选取 | 第31-32页 |
| 3.4 多结构多尺度数学形态组合滤波器 | 第32-39页 |
| 3.4.1 数学形态结构元素集的构造 | 第32-35页 |
| 3.4.2 最优结构元素的选取 | 第35页 |
| 3.4.3 多结构多尺度数学形态滤波法的仿真示例 | 第35-39页 |
| 3.5 小结 | 第39-41页 |
| 第四章 局域均值分解方法研究 | 第41-57页 |
| 4.1 引言 | 第41页 |
| 4.2 LMD的原理和算法 | 第41-46页 |
| 4.2.1 LMD的基本过程 | 第41页 |
| 4.2.2 LMD的基本原理和算法 | 第41-45页 |
| 4.2.3 仿真示例 | 第45-46页 |
| 4.3 LMD的主要特点 | 第46-49页 |
| 4.3.1 自适应性 | 第46-47页 |
| 4.3.2 正交性 | 第47-48页 |
| 4.3.3 独立性 | 第48页 |
| 4.3.4 完备性 | 第48-49页 |
| 4.4 LMD的端点效应及解决方法的研究 | 第49-53页 |
| 4.4.1 LMD的端点效应 | 第49页 |
| 4.4.2 自适应波形匹配延拓方法 | 第49-51页 |
| 4.4.3 仿真示例 | 第51-53页 |
| 4.5 基于LMD的能量特征提取 | 第53-54页 |
| 4.6 本章小结 | 第54-57页 |
| 第五章 基于数学形态滤波与局域均值分解的齿轮故障诊断方法 | 第57-67页 |
| 5.1 引言 | 第57页 |
| 5.2 数学形态滤波与局域均值分解原理 | 第57-58页 |
| 5.3 数学形态滤波与局域均值分解实验研究 | 第58-61页 |
| 5.3.1 数学形态滤波 | 第58-60页 |
| 5.3.2 齿轮信号的局域均值分解 | 第60-61页 |
| 5.4 基于BP神经网络的齿轮故障诊断 | 第61-66页 |
| 5.4.1 BP神经网络 | 第61-64页 |
| 5.4.2 基于BP神经网络的齿轮故障诊断方法 | 第64-65页 |
| 5.4.3 与其它方法的比较 | 第65-66页 |
| 5.5 小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 本文工作的总结 | 第67-68页 |
| 6.2 未来研究展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录A (攻读硕士学位期间发表论文) | 第77-79页 |
| 附录B (攻读硕士学位期间申请的软件著作权) | 第79页 |