| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 振动检测法的应用 | 第11页 |
| 1.2.2 小波变换分析方法的应用 | 第11-12页 |
| 1.2.3 Hilbert-Huang 变换方法的应用 | 第12-13页 |
| 1.2.4 其他信号分析方法的应用 | 第13-14页 |
| 1.2.5 故障模式识别方法的应用 | 第14页 |
| 1.3 论文研究内容 | 第14-17页 |
| 第2章 齿轮早期故障特征分析 | 第17-25页 |
| 2.1 引言 | 第17-18页 |
| 2.2 齿轮故障阶段划分 | 第18-19页 |
| 2.3 齿轮振动机理分析 | 第19-21页 |
| 2.3.1 齿轮振动的参数 | 第19-20页 |
| 2.3.2 齿轮振动的数学模型 | 第20-21页 |
| 2.4 齿轮早期故障特征 | 第21-24页 |
| 2.4.1 齿轮箱故障信号构成 | 第21-22页 |
| 2.4.2 齿轮故障的频谱特征 | 第22-23页 |
| 2.4.3 早期故障特征分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 齿轮早期故障信号预处理 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 小波变换去噪方法 | 第25-28页 |
| 3.2.1 小波阈值去噪法原理 | 第26-27页 |
| 3.2.2 阈值去噪情况的多样性 | 第27-28页 |
| 3.3 小波最优阈值去噪法 | 第28-31页 |
| 3.4 仿真实验分析 | 第31-32页 |
| 3.5 实测实验分析 | 第32-36页 |
| 3.5.1 实验系统介绍 | 第32-33页 |
| 3.5.2 实测信号去噪处理 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 齿轮早期故障特征提取 | 第37-53页 |
| 4.1 引言 | 第37页 |
| 4.2 经验模式分解方法 | 第37-41页 |
| 4.2.1 基本模式分量限定条件 | 第37-38页 |
| 4.2.2 EMD 算法原理 | 第38-40页 |
| 4.2.3 EMD方法端点效应 | 第40-41页 |
| 4.3 基于改进EMD方法的齿轮早期故障特征提取方法 | 第41-46页 |
| 4.3.1 分段三次Hermit插值法应用 | 第41-43页 |
| 4.3.2 极值截断处理与相关筛选法应用 | 第43-44页 |
| 4.3.3 改进EMD方法原理 | 第44-46页 |
| 4.4 仿真信号实验分析 | 第46-48页 |
| 4.5 实测信号实验分析 | 第48-52页 |
| 4.5.1 齿面磨损故障特征提取 | 第48-50页 |
| 4.5.2 齿根裂纹故障特征提取 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 齿轮早期故障模式识别 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 BP神经网络原理 | 第53-57页 |
| 5.2.1 BP网络的组成 | 第53-55页 |
| 5.2.2 BP算法原理 | 第55-56页 |
| 5.2.3 BP算法基本步骤 | 第56-57页 |
| 5.3 基于BP神经网络的齿轮早期故障诊断 | 第57-62页 |
| 5.3.1 故障特征参量选择 | 第58-61页 |
| 5.3.2 BP网络模型的建立与分析 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间所发表的论文 | 第69-71页 |
| 致谢 | 第71页 |