基于粒子滤波的齿轮箱故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题的研究背景和意义 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·选题意义 | 第9-10页 |
| ·齿轮箱故障诊断技术研究综述 | 第10-11页 |
| ·粒子滤波理论的发展与研究现状 | 第11-13页 |
| ·粒子滤波理论 | 第11页 |
| ·粒子滤波在故障诊断领域的应用研究现状及分析 | 第11-13页 |
| ·本文的总体结构和主要内容 | 第13-15页 |
| 2 齿轮箱故障机理及振动信号特征 | 第15-23页 |
| ·齿轮箱的结构和组成部件 | 第15-16页 |
| ·齿轮振动机理及典型故障分析 | 第16-19页 |
| ·齿轮振动的机理分析 | 第16-17页 |
| ·齿轮典型故障分析 | 第17-19页 |
| ·轴承振动机理及典型故障分析 | 第19-21页 |
| ·滚动轴承振动机理分析 | 第19-20页 |
| ·轴承典型故障分析 | 第20-21页 |
| ·齿轮箱振动信号特征分析 | 第21-22页 |
| ·齿轮故障的振动信号特征 | 第21-22页 |
| ·轴承故障的振动信号特征 | 第22页 |
| ·本章小结 | 第22-23页 |
| 3 粒子滤波理论 | 第23-37页 |
| ·动态系统的状态空间模型 | 第23-24页 |
| ·贝叶斯滤波原理 | 第24-27页 |
| ·重要性采样 | 第27-30页 |
| ·贝叶斯重要性采样 | 第27-29页 |
| ·序贯重要性采样 | 第29-30页 |
| ·SIR 粒子滤波算法 | 第30-32页 |
| ·实验仿真 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 4 齿轮箱故障诊断试验 | 第37-44页 |
| ·故障诊断试验系统 | 第37-40页 |
| ·试验台组成 | 第37-39页 |
| ·实验仪器选用 | 第39-40页 |
| ·测点布置与故障设置 | 第40-43页 |
| ·实验测点布置 | 第40-41页 |
| ·实验故障设置 | 第41-43页 |
| ·信号采集 | 第43页 |
| ·本章小结 | 第43-44页 |
| 5 粒子滤波信号降噪 | 第44-55页 |
| ·粒子滤波的降噪原理及验证仿真 | 第44-46页 |
| ·粒子滤波的降噪原理 | 第44页 |
| ·粒子滤波降噪验证仿真 | 第44-46页 |
| ·基于ARMA 模型的齿轮箱系统状态模型建立 | 第46-50页 |
| ·齿轮箱系统的ARMA 模型描述 | 第46-47页 |
| ·系统模型定阶与参数估计 | 第47-50页 |
| ·齿轮箱故障信号降噪处理 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 6 基于粒子滤波优化神经网络的故障识别 | 第55-63页 |
| ·基于粒子滤波优化的神经网络 | 第55-57页 |
| ·神经网络原理及其在故障诊断中的应用 | 第55-56页 |
| ·基于粒子滤波优化神经网络的算法 | 第56-57页 |
| ·齿轮箱振动信号特征参数提取 | 第57-58页 |
| ·粒子滤波神经网络创建 | 第58-60页 |
| ·粒子滤波神经网络故障识别 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
