| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·齿轮箱故障诊断的意义、目的和主要内容 | 第10-12页 |
| ·齿轮箱故障诊断的意义 | 第10-11页 |
| ·齿轮箱故障诊断的目的 | 第11页 |
| ·齿轮箱故障诊断的主要内容 | 第11-12页 |
| ·齿轮箱故障诊断技术的国内外研究现状 | 第12-13页 |
| ·齿轮箱故障诊断技术 | 第13-16页 |
| ·基于信号处理的齿轮箱故障特征提取方法 | 第13-14页 |
| ·齿轮箱模式识别方法 | 第14-16页 |
| ·本论文的主要内容 | 第16页 |
| ·本章小结 | 第16-17页 |
| 2 齿轮箱故障及振动机理 | 第17-28页 |
| ·概述 | 第17页 |
| ·齿轮箱中的零部件常见的失效形式 | 第17-21页 |
| ·齿轮箱典型的故障类型 | 第18页 |
| ·齿轮的典型故障 | 第18-19页 |
| ·轴承的故障类型 | 第19-21页 |
| ·齿轮箱振动机理的研究 | 第21-27页 |
| ·齿轮的振动信号所产生的机理 | 第21-23页 |
| ·齿轮的振动信号特征分析 | 第23-24页 |
| ·滚动轴承的振动信号的产生机理 | 第24-26页 |
| ·滚动轴承的振动信号特征分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 EMD 方法研究 | 第28-43页 |
| ·概述 | 第28页 |
| ·EMD 算法 | 第28-31页 |
| ·特征尺度参数 | 第28-29页 |
| ·固有模态函数(IMF) | 第29页 |
| ·EMD 算法的分解信号过程 | 第29-31页 |
| ·EMD 算法的主要性质 | 第31-33页 |
| ·IMF 分量的调制性 | 第31-32页 |
| ·完备性 | 第32页 |
| ·EMD 方法的自适应性 | 第32页 |
| ·IMF 的近似正交性 | 第32-33页 |
| ·实例分析 | 第33-34页 |
| ·EMD 端点效应的研究 | 第34-39页 |
| ·端点效应产生的原因及影响 | 第34-35页 |
| ·窗函数与镜像延拓结合的方法研究 | 第35-36页 |
| ·信号验证 | 第36-39页 |
| ·基于 EMD 近似熵特征提取方法的研究 | 第39-42页 |
| ·近似熵算法原理 | 第39-40页 |
| ·近似熵的参数选择 | 第40页 |
| ·实验分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 SVM 理论介绍和 LSSVM 方法研究 | 第43-52页 |
| ·SVM 理论介绍 | 第43-47页 |
| ·最优分类超平面 | 第43-46页 |
| ·核函数 | 第46-47页 |
| ·SVM 的多分类问题 | 第47-48页 |
| ·LSSVM 算法 | 第48-50页 |
| ·LSSVM 和 SVM 进行比较 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于 EMD 近似熵和 LSSVM 齿轮箱故障诊断 | 第52-67页 |
| ·齿轮箱故障诊断试验方案 | 第52-56页 |
| ·齿轮箱试验装置 | 第52页 |
| ·试验所用设备 | 第52-53页 |
| ·齿轮箱故障设置方案 | 第53-55页 |
| ·齿轮箱中齿轮及轴承的参数 | 第55-56页 |
| ·基于 EMD 近似熵和 LSSVM 齿轮箱故障诊断 | 第56-66页 |
| ·数据预处理 | 第57-58页 |
| ·基于 EMD 近似熵的齿轮箱振动信号特征提取 | 第58-62页 |
| ·归一化处理 | 第62-64页 |
| ·特征向量的 LSSVM 的状态识别 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-68页 |
| ·总结 | 第67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文 | 第73-74页 |
| 致谢 | 第74页 |