| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 1 绪论 | 第15-20页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 蜗轮蜗杆减速机故障诊断技术 | 第17-19页 |
| 1.3.1 故障提取方法 | 第17-18页 |
| 1.3.2 蜗轮蜗杆减速机故障模式识别方法 | 第18-19页 |
| 1.4 本文主要研究内容 | 第19-20页 |
| 2 低速蜗轮蜗杆减速机啮合和故障机理 | 第20-36页 |
| 2.1 低速蜗轮蜗杆减速机的典型结构 | 第20-21页 |
| 2.2 蜗轮蜗杆减速机的振动产生机理 | 第21-23页 |
| 2.3 减速机实验平台搭建 | 第23-26页 |
| 2.3.1 硬件设备与连接 | 第23-24页 |
| 2.3.2 减速机试验台 | 第24-26页 |
| 2.4 减速机故障类型及信号特征 | 第26-28页 |
| 2.5 振动信号分析方法 | 第28-35页 |
| 2.5.1 时域统计参数 | 第28-31页 |
| 2.5.2 频域分析 | 第31-32页 |
| 2.5.3 时频分析 | 第32-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 Hilbert-Huang变换优化及其在减速机试验台的应用 | 第36-53页 |
| 3.1 HHT的基本原理 | 第37-40页 |
| 3.1.1 瞬时频率 | 第37页 |
| 3.1.2 本征模态函数 | 第37-38页 |
| 3.1.3 HHT算法流程 | 第38-40页 |
| 3.2 HHT端点效应 | 第40-41页 |
| 3.3 HHT端点效应优化 | 第41-45页 |
| 3.3.1 神经网络集成延拓 | 第41-42页 |
| 3.3.2 镜像延拓法 | 第42-43页 |
| 3.3.3 BLCC延拓算法 | 第43-45页 |
| 3.4 基于优化后的HHT的减速机故障实验 | 第45-52页 |
| 3.4.1 仿真实验 | 第45-50页 |
| 3.4.2 实测实验 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 极限学习机及其在减速机试验台的应用 | 第53-65页 |
| 4.1 极限学习机 | 第53-56页 |
| 4.1.1 单隐层前馈神经网络 | 第53-54页 |
| 4.1.2 广义逆矩阵 | 第54-55页 |
| 4.1.3 极限学习机原理 | 第55-56页 |
| 4.2 核极限学习机 | 第56-58页 |
| 4.3 基于遗传算法的核极限学习机 | 第58-60页 |
| 4.4 GA-KELM应用旋转机械故障诊断 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 减速机故障诊断在线系统设计 | 第65-83页 |
| 5.1 系统硬件验证 | 第65-68页 |
| 5.2 减速机在线检测系统软件设计 | 第68-78页 |
| 5.2.1 参数设置模块 | 第69-72页 |
| 5.2.2 数据采集和保存 | 第72-74页 |
| 5.2.3 时频域图显示 | 第74-76页 |
| 5.2.4 数据处理模块 | 第76-78页 |
| 5.3 系统仿真模拟 | 第78-81页 |
| 5.4 现场减速机在线检测系统测试 | 第81-82页 |
| 5.5 本章小结 | 第82-83页 |
| 6 总结与展望 | 第83-85页 |
| 6.1 全文总结 | 第83页 |
| 6.2 展望 | 第83-85页 |
| 参考文献 | 第85-89页 |