| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 风力机组齿轮箱传动系统故障诊断的研究现状和存在问题 | 第10-12页 |
| 1.2.1 齿轮箱传动系统故障诊断的研究现状 | 第10-11页 |
| 1.2.2 存在的问题 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12-15页 |
| 第二章 风力机组齿轮箱传动系统的分析 | 第15-29页 |
| 2.1 风力机组齿轮箱传动系统的基本结构 | 第15-17页 |
| 2.2 风力机组齿轮的常见故障 | 第17-18页 |
| 2.3 齿轮故障的振动机理及特征 | 第18-25页 |
| 2.3.1 齿轮故障的振动机理 | 第18-22页 |
| 2.3.2 齿轮故障的振动特征 | 第22-25页 |
| 2.4 滚动轴承故障的振动机理及特征 | 第25-28页 |
| 2.4.1 滚动轴承故障的振动机理 | 第25-27页 |
| 2.4.2 滚动轴承故障的振动特征 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 风力机组齿轮箱传动系统实验台的振动分析 | 第29-39页 |
| 3.1 齿轮箱传动系统的振动测试 | 第29-31页 |
| 3.1.1 测试系统及测试对象 | 第29-30页 |
| 3.1.2 测点的选择及方向的布置 | 第30-31页 |
| 3.2 故障零部件及故障状态的选择 | 第31-32页 |
| 3.3 振动特征频率的计算 | 第32-34页 |
| 3.4 振动信号的预处理 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 应用AR模型的多参数与多测点信息融合的故障分类 | 第39-53页 |
| 4.1 EMD分解 | 第39-40页 |
| 4.2 AR模型 | 第40-41页 |
| 4.2.1 应用EMD和AR模型的齿轮故障诊断方法 | 第40页 |
| 4.2.2 AR(p)模型参数估计与检验准则 | 第40-41页 |
| 4.3 混沌的定义及特征 | 第41-42页 |
| 4.4 混沌特征参数的计算 | 第42-44页 |
| 4.4.1 最大Lyapunov指数的计算 | 第42页 |
| 4.4.2 关联维数的计算 | 第42-43页 |
| 4.4.3 样本熵的计算 | 第43-44页 |
| 4.5 对齿轮箱传动系统的混沌状态分析 | 第44-45页 |
| 4.6 支持向量机的分类方法 | 第45页 |
| 4.7 混沌特征参数的提取和融合分类模型的建立 | 第45-48页 |
| 4.8 对6种不同状态的预测分类 | 第48-50页 |
| 4.8.1 单测点对应Φ_i的单特征参数信息融合的故障分类 | 第48-49页 |
| 4.8.2 多测点对应Φ_i的单特征参数信息融合的故障分类 | 第49-50页 |
| 4.8.3 单测点对应Φ_i的多特征参数信息融合的故障分类 | 第50页 |
| 4.8.4 多测点对应Φ_i的多特征参数信息融合的故障分类 | 第50页 |
| 4.9 本章小结 | 第50-53页 |
| 第五章 基于相关系数的齿轮传动系统的故障诊断 | 第53-65页 |
| 5.1 特征能量及相关性的计算 | 第53-54页 |
| 5.2 IMF分量的提取原则和不同状态相关系数的说明 | 第54-60页 |
| 5.2.1 IMF分量的提取原则 | 第54-60页 |
| 5.2.2 不同状态相关系数的说明 | 第60页 |
| 5.3 建立故障诊断模型 | 第60-61页 |
| 5.4 故障实例的分析 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第六章 结论及展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 发表论文和参加科研情况说明 | 第71-73页 |
| 致谢 | 第73页 |
