| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·课题背景 | 第10-11页 |
| ·课题来源 | 第10页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·齿轮箱故障诊断技术研究现状 | 第11-13页 |
| ·盲源分离技术在故障诊断中的应用现状 | 第13-16页 |
| ·盲源分离技术的产生与发展 | 第13-14页 |
| ·盲源分离技术在故障诊断中的应用现状 | 第14-16页 |
| ·论文主要工作和内容 | 第16页 |
| ·本章小结 | 第16-17页 |
| 2 齿轮箱故障类型及故障特征分析 | 第17-30页 |
| ·齿轮箱的结构组成及故障分类 | 第17-19页 |
| ·齿轮箱的结构组成 | 第17-19页 |
| ·齿轮箱的故障分类 | 第19页 |
| ·齿轮的振动机理和故障特征分析 | 第19-24页 |
| ·齿轮的故障类型 | 第19-21页 |
| ·齿轮的振动模型 | 第21-22页 |
| ·齿轮的故障信号特征分析 | 第22-24页 |
| ·轴承的振动机理和故障特征 | 第24-28页 |
| ·轴承的故障类型 | 第24-25页 |
| ·轴承的振动机理 | 第25-26页 |
| ·轴承振动信号模型 | 第26-28页 |
| ·旋转轴的故障类型和故障特征 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 盲源分离的 ICA 方法 | 第30-48页 |
| ·ICA 的基本模型描述 | 第30-33页 |
| ·ICA 线性瞬时混叠模型 | 第32页 |
| ·ICA 线性卷积混叠模型 | 第32-33页 |
| ·ICA 非线性瞬时混叠模型 | 第33页 |
| ·ICA 算法分析 | 第33-42页 |
| ·信号的预处理 | 第33-34页 |
| ·ICA 目标函数的建立 | 第34-37页 |
| ·ICA 算法的选择 | 第37-42页 |
| ·盲源分离效果评价指标 | 第42-44页 |
| ·分离误差指标 | 第42-43页 |
| ·信息干扰比 SIR | 第43页 |
| ·相关系数 | 第43-44页 |
| ·基于固定点算法的盲源分离实验仿真 | 第44-47页 |
| ·基于 FastICA 的简单信号混合的仿真分析 | 第44-46页 |
| ·基于 FastICA 的齿轮箱典型故障信号混合仿真分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 4 盲源分离在齿轮变速箱故障实验中的应用 | 第48-59页 |
| ·齿轮箱故障实验数据采集 | 第48-51页 |
| ·齿轮箱故障实验装置 | 第48-50页 |
| ·齿轮箱故障设置及特征参数 | 第50-51页 |
| ·齿轮箱故障实验数据分析 | 第51-58页 |
| ·齿轮箱测试信号时频域图 | 第51-53页 |
| ·齿轮箱测试信号的盲源分离 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 5 基于支持向量机的齿轮箱故障智能分类 | 第59-71页 |
| ·支持向量机算法描述 | 第59-60页 |
| ·支持向量机分类原理 | 第60-63页 |
| ·基于支持向量机的故障分类 | 第63-70页 |
| ·小波包故障特征提取 | 第63-64页 |
| ·基于支持向量机的故障分类 | 第64-70页 |
| ·本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-73页 |
| ·全文总结 | 第71-72页 |
| ·未来展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第78-79页 |
| 致谢 | 第79页 |