| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题的研究背景及意义 | 第12-13页 |
| ·机械故障诊断的发展概述 | 第13-15页 |
| ·机械故障诊断的发展历程 | 第13-14页 |
| ·齿轮箱故障诊断的方法研究及其发展 | 第14-15页 |
| ·机理研究 | 第14页 |
| ·振动信号的分析和处理研究 | 第14页 |
| ·人工智能 | 第14-15页 |
| ·小波理论的发展概述 | 第15-16页 |
| ·粒子群优化算法的发展概述 | 第16-17页 |
| ·本文主要研究内容及结构安排 | 第17-20页 |
| ·本文主要研究内容 | 第17页 |
| ·结构安排 | 第17-20页 |
| 第二章 小波理论的研究 | 第20-30页 |
| ·小波变换 | 第20-22页 |
| ·小波的定义 | 第20-21页 |
| ·小波函数 | 第21-22页 |
| ·连续小波变换 | 第22-24页 |
| ·定义 | 第22-23页 |
| ·性质 | 第23-24页 |
| ·基于 Morlet 小波的连续小波变换 | 第24-27页 |
| ·CWT 时窗定义 | 第24-25页 |
| ·自适应 Morlet 小波函数 | 第25-27页 |
| ·基于自适应 Morlet 小波的信号模型 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 粒子群优化算法研究 | 第30-44页 |
| ·基本概念 | 第30-31页 |
| ·优化算法 | 第30页 |
| ·群体智能算法 | 第30-31页 |
| ·粒子群优化算法理论 | 第31页 |
| ·基本粒子群算法 | 第31-33页 |
| ·算法原理 | 第32-33页 |
| ·算法流程 | 第33页 |
| ·带惯性权值的粒子群优化算法 | 第33-34页 |
| ·粒子群优化算法参数选择 | 第34-42页 |
| ·惯性权值的选择 | 第34-39页 |
| ·随机惯性权值法 | 第35-36页 |
| ·自适应随机惯性权值法 | 第36-39页 |
| ·种群大小、最大速度的选择 | 第39-40页 |
| ·种群大小的选择 | 第39-40页 |
| ·最大速度的选择 | 第40页 |
| ·加速度常数的选择 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 实验设计 | 第44-56页 |
| ·故障模式的选择及其参数设置 | 第44-46页 |
| ·齿轮裂纹等级的选择 | 第46-48页 |
| ·齿轮的选择 | 第48-49页 |
| ·齿轮参数设置 | 第49-52页 |
| ·数据采集设备 | 第52页 |
| ·实验步骤 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 粒子群算法和小波理论在齿轮箱故障诊断中的应用研究 | 第56-78页 |
| ·仿真信号 | 第56-61页 |
| ·希尔伯特变换 | 第57-59页 |
| ·希尔伯特变换的解调原理 | 第57-59页 |
| ·希尔伯特变换结果分析 | 第59页 |
| ·自适应 Morlet 小波分析 | 第59-61页 |
| ·自适应 Morlet 小波建模的理论研究 | 第59-60页 |
| ·结果及分析 | 第60-61页 |
| ·实验信号 | 第61-77页 |
| ·希尔伯特变换 | 第61-65页 |
| ·自适应 Morlet 小波分析 | 第65-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-82页 |
| ·本文研究工作总结 | 第78-79页 |
| ·关于未来研究的展望 | 第79-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士期间已发表的论文 | 第88-89页 |
| 致谢 | 第89-90页 |