| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题研究的目的与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·齿轮箱信号分析方法研究现状 | 第9-12页 |
| ·齿轮箱信号模式识别方法的研究现状 | 第12-13页 |
| ·研究内容及技术路线 | 第13-16页 |
| ·研究内容及方法 | 第13页 |
| ·技术路线 | 第13-14页 |
| ·章节规划 | 第14-16页 |
| 第2章 城轨车辆齿轮箱振动机理 | 第16-25页 |
| ·齿轮箱的结构和组成 | 第16页 |
| ·齿轮振动机理分析 | 第16-19页 |
| ·齿轮振动产生机理 | 第16-17页 |
| ·齿轮振动模型 | 第17-18页 |
| ·齿轮故障形式及特征 | 第18-19页 |
| ·轴承振动机理分析 | 第19-24页 |
| ·轴承振动来源 | 第19-21页 |
| ·轴承振动模型 | 第21-23页 |
| ·轴承故障形式及特征 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 城轨车辆齿轮箱故障特征提取 | 第25-36页 |
| ·小波包分析 （ WPA ） | 第25-29页 |
| ·W PA分 析定义 | 第25-26页 |
| ·W PA消 噪 | 第26-29页 |
| ·经验模态分析 （ EMD ） | 第29-31页 |
| ·数据级传感器融合 | 第31-34页 |
| ·自适应加权融合估计算法 | 第31-32页 |
| ·数据融合效果验证 | 第32-34页 |
| ·齿轮箱故障特征参量 | 第34-35页 |
| ·时域特征量 | 第34页 |
| ·W PA能 量特征量 | 第34-35页 |
| ·IM F能 量特征量 | 第35页 |
| ·本章小节 | 第35-36页 |
| 第4章 基于SA-SVM的故障诊断 方法 | 第36-42页 |
| ·支持向量机（ SVM ） | 第36-38页 |
| ·S V M原 理 | 第36-37页 |
| ·核函数 | 第37-38页 |
| ·K折 验证与网格搜索 | 第38-39页 |
| ·模拟退火算法 （ SA ） | 第39-41页 |
| ·S A的 基本原理和步骤 | 第39-40页 |
| ·基于SA的SVM参 数优化 | 第40页 |
| ·基于SA的混合特征选择 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 第5章 城轨车辆齿轮箱在线监测及故障诊断系统总体设计 | 第42-48页 |
| ·系统总体设计 | 第42-43页 |
| ·齿轮箱故障实验台 | 第43-45页 |
| ·齿轮箱在线监测 | 第45-47页 |
| ·传感器 | 第45页 |
| ·数据采集系统 | 第45-47页 |
| ·齿轮箱故障诊断 | 第47页 |
| ·数据处理与特征提取 | 第47页 |
| ·故障识别 | 第47页 |
| ·本章小节 | 第47-48页 |
| 第6章 城轨车辆齿轮箱故障诊断的实现 | 第48-64页 |
| ·齿轮箱故障实验 | 第48页 |
| ·故障类型选择 | 第48-49页 |
| ·数据处理 | 第49-57页 |
| ·数据融合及频谱分析 | 第51-53页 |
| ·W PA消 噪处理 | 第53-56页 |
| ·经验模态分解 | 第56-57页 |
| ·故障特征参量提取 | 第57-60页 |
| ·时域特征提取 | 第57-58页 |
| ·W PA能 量特征提取 | 第58-59页 |
| ·IM F能 量特征提取 | 第59-60页 |
| ·基于SA - SVM的 齿轮箱故障诊断 | 第60-62页 |
| ·故障诊断结果 | 第60-61页 |
| ·结果对比 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 结论和展望 | 第64-65页 |
| 本文结论 | 第64页 |
| 不足和展望 | 第64-65页 |
| 参考文献 | 第65-68页 |