| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 齿轮振动信号处理技术概述 | 第15-17页 |
| 1.3.1 时域信号处理 | 第15-16页 |
| 1.3.2 频域信号处理 | 第16页 |
| 1.3.3 时频域信号处理 | 第16-17页 |
| 1.4 主要研究内容 | 第17-18页 |
| 1.5 论文创新点 | 第18-20页 |
| 第2章 齿轮故障系统开发 | 第20-26页 |
| 2.1 齿轮系统实验台 | 第20-21页 |
| 2.2 信号采集系统选择 | 第21-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 基于VMD的断齿故障特征提取 | 第26-46页 |
| 3.1 方法基本原理 | 第26页 |
| 3.2 VMD分解算法 | 第26-36页 |
| 3.2.1 VMD算法概要 | 第26-27页 |
| 3.2.2 VMD分解原理 | 第27-28页 |
| 3.2.3 VMD分解过程 | 第28-29页 |
| 3.2.4 仿真信号分析 | 第29-36页 |
| 3.3 小波阈值去噪 | 第36-40页 |
| 3.3.1 去噪基本原理 | 第37-38页 |
| 3.3.2 阈值和阈值函数的选取 | 第38-39页 |
| 3.3.3 仿真信号分析 | 第39-40页 |
| 3.4 实验验证 | 第40-43页 |
| 3.5 本章小结 | 第43-46页 |
| 第4章 基于听觉模型和极值点概率密度的断齿故障特征提取 | 第46-66页 |
| 4.1 方法基本原理 | 第46页 |
| 4.2 听觉模型 | 第46-52页 |
| 4.2.1 人耳听觉系统 | 第47-50页 |
| 4.2.2 Gammatone滤波器组 | 第50-52页 |
| 4.3 极值点概率密度 | 第52-53页 |
| 4.4 瞬态信号提取方法 | 第53-57页 |
| 4.4.1 瞬态信号识别机制 | 第53-54页 |
| 4.4.2 瞬态信号筛选提取 | 第54-55页 |
| 4.4.3 断齿瞬态信号区分提取 | 第55-57页 |
| 4.5 方法验证 | 第57-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第5章 基于EA听觉模型的齿轮状态识别 | 第66-84页 |
| 5.1 识别方法原理 | 第66页 |
| 5.2 EA模型 | 第66-74页 |
| 5.2.1 带通滤波 | 第67页 |
| 5.2.2 内毛细胞换能 | 第67-68页 |
| 5.2.3 侧抑制网络模型 | 第68页 |
| 5.2.4 听觉谱 | 第68-69页 |
| 5.2.5 实测信号听觉谱表达 | 第69-74页 |
| 5.3 听觉感知 | 第74-77页 |
| 5.3.1 特征参数 | 第74-76页 |
| 5.3.2 齿轮各运行状态特征参数 | 第76-77页 |
| 5.4 主成分分析 | 第77-79页 |
| 5.5 齿轮故障状态识别 | 第79-82页 |
| 5.6 本章小结 | 第82-84页 |
| 第6章 结论与展望 | 第84-86页 |
| 6.1 结论 | 第84页 |
| 6.2 展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92-94页 |
| 附录 | 第94页 |
| A. 攻读硕士学位期间发表的论文 | 第94页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第94页 |
| C. 作者在攻读硕士学位期间获得的荣誉 | 第94页 |