| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题来源及研究目的 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 齿轮系统故障诊断的发展历史及研究现状 | 第9-10页 |
| 1.2.2 小波分析技术研究现状 | 第10-11页 |
| 1.2.3 故障知识表示技术研究现状 | 第11-12页 |
| 1.2.4 流向图的研究现状 | 第12-13页 |
| 1.3 课题主要研究内容 | 第13-15页 |
| 第2章 齿轮故障特征和振动信号分析 | 第15-27页 |
| 2.1 齿轮故障的研究对象和实验方法分析 | 第15-18页 |
| 2.1.1 齿轮故障的研究对象 | 第15-16页 |
| 2.1.2 实验方法分析 | 第16-18页 |
| 2.2 齿轮的啮合振动分析 | 第18-21页 |
| 2.2.1 齿轮啮合的力学分析 | 第18页 |
| 2.2.2 齿轮啮合信号的幅值调制 | 第18-20页 |
| 2.2.3 齿轮啮合信号的频率调制 | 第20-21页 |
| 2.2.4 齿轮啮合振动信号中的其它成分 | 第21页 |
| 2.3 齿轮故障信号特征 | 第21-24页 |
| 2.3.1 齿轮断齿故障信号特征 | 第21-22页 |
| 2.3.2 齿轮碎齿故障信号特征 | 第22-23页 |
| 2.3.3 齿轮均匀磨损故障信号特征 | 第23-24页 |
| 2.4 齿轮的故障特征 | 第24-26页 |
| 2.4.1 齿轮故障特征的时域指标 | 第24-25页 |
| 2.4.2 齿轮故障特征的频域指标 | 第25-26页 |
| 2.4.3 齿轮故障特征的时频域指标 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于小波包分析的故障特征提取 | 第27-39页 |
| 3.1 小波包的基本概念及时频分析特性 | 第27-32页 |
| 3.1.1 小波包的基本概念及快速算法 | 第27-28页 |
| 3.1.2 小波包的时频特性和频率混淆 | 第28-30页 |
| 3.1.3 小波包快速算法的改进 | 第30-32页 |
| 3.2 基于小波变换的噪声消除 | 第32-37页 |
| 3.2.1 小波噪声消除的原理 | 第32-33页 |
| 3.2.2 小波消噪阈值选取及处理 | 第33-35页 |
| 3.2.3 小波变换分解层数的确定 | 第35-36页 |
| 3.2.4 小波消噪算法仿真实验 | 第36-37页 |
| 3.3 基于小波包的故障故障特征提取 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于故障诊断流向图的知识获取技术 | 第39-54页 |
| 4.1 故障诊断流向图理论研究 | 第39-43页 |
| 4.1.1 流向图的概述 | 第39页 |
| 4.1.2 故障诊断流向图的基本概念 | 第39-43页 |
| 4.2 故障诊断流向图的约简 | 第43-48页 |
| 4.2.1 故障诊断流向图征兆属性层的约简 | 第43-46页 |
| 4.2.2 故障诊断流向图征兆属性值节点的约简 | 第46-48页 |
| 4.3 故障诊断流向图决策规则的获取 | 第48-53页 |
| 4.3.1 故障诊断流向图决策规则的表示 | 第48-49页 |
| 4.3.2 基于增量学习算法的故障诊断流向图决策规则获取 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 齿轮故障诊断的实验研究 | 第54-66页 |
| 5.1 齿轮故障诊断实验设计 | 第54-55页 |
| 5.2 齿轮振动信号的特征提取 | 第55-59页 |
| 5.2.1 齿轮振动信号形式 | 第55-56页 |
| 5.2.2 齿轮振动信号的小波包分解 | 第56-58页 |
| 5.2.3 征兆属性值的离散化 | 第58-59页 |
| 5.3 运用故障流向图表征齿轮故障 | 第59-65页 |
| 5.3.1 齿轮故障流向图征兆属性的约简 | 第59-61页 |
| 5.3.2 齿轮故障决策规则流向图的获取 | 第61-63页 |
| 5.3.3 齿轮故障流向图的增量学习方法 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第70-72页 |
| 致谢 | 第72页 |