摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第11-18页 |
1.1 选题背景、研究目的和意义 | 第11-12页 |
1.2 基于油液分析的齿轮寿命预测技术相关研究现状和发展趋势 | 第12-16页 |
1.2.1 油液分析技术研究现状 | 第12-13页 |
1.2.2 齿轮寿命预测技术研究现状 | 第13-16页 |
1.3 研究目标和内容 | 第16-18页 |
1.3.1 研究目标 | 第16页 |
1.3.2 主要思路 | 第16-18页 |
第2章 车辆传动齿轮磨损及油液分析技术 | 第18-39页 |
2.1 磨损分类和磨损过程 | 第18-19页 |
2.2 车辆传动齿轮磨损分析 | 第19-25页 |
2.2.1 齿轮磨损基本模型分析 | 第19-21页 |
2.2.2 车辆传动齿轮磨粒磨损分析 | 第21页 |
2.2.3 车辆传动齿轮疲劳磨损分析 | 第21-22页 |
2.2.4 车辆传动齿轮磨损特征 | 第22-25页 |
2.3 车辆传动齿轮磨损寿命预测 | 第25-31页 |
2.3.1 阀值确定原则 | 第25-27页 |
2.3.2 阈值确定方法 | 第27-30页 |
2.3.3 车辆传动系统油液阈值的应用 | 第30-31页 |
2.3.4 影响齿轮磨损寿命的外在因素 | 第31页 |
2.4 油液分析技术 | 第31-38页 |
2.4.1 油液分析技术的主要方法 | 第32-35页 |
2.4.2 油液特征信息处理方法 | 第35-37页 |
2.4.3 光谱数据分析方法 | 第37-38页 |
2.5 本章小结 | 第38-39页 |
第3章 经典预测模型 | 第39-52页 |
3.1 灰色模型基本理论 | 第39-45页 |
3.1.1 灰色模型概述 | 第39-40页 |
3.1.2 GM(1,1)模型预测过程 | 第40-41页 |
3.1.3 IGM模型预测 | 第41-43页 |
3.1.4 IGM模型实例齿轮寿命预测 | 第43-45页 |
3.2 人工神经网络模型预测 | 第45-50页 |
3.2.1 人工神经网络模型理论概述 | 第45-46页 |
3.2.2 BP人工神经网络模型预测过程 | 第46-49页 |
3.2.3 改进型BP算法 | 第49页 |
3.2.4 BP人工神经网络模型实例齿轮寿命预测 | 第49-50页 |
3.3 本章小结 | 第50-52页 |
第4章 齿轮磨损寿命组合预测模型及其应用 | 第52-65页 |
4.1 组合预测建模基本思路 | 第52-53页 |
4.2 组合预测的分类 | 第53-54页 |
4.3 组合预测方法研究 | 第54-57页 |
4.3.1 模型选择方法 | 第54-55页 |
4.3.2 权重确定方法 | 第55-57页 |
4.3.3 效果验证方法 | 第57页 |
4.4 组合预测齿轮磨损寿命趋势研究 | 第57-62页 |
4.5 组合预测模型齿轮寿命预测的实例 | 第62-63页 |
4.6 预测模型评价对比 | 第63-64页 |
4.7 本章小结 | 第64-65页 |
第5章 齿轮寿命预测试验验证 | 第65-77页 |
5.1 实验基本思路、方法和步骤 | 第65-66页 |
5.1.1 基本实验思路 | 第65页 |
5.1.2 具体实验内容 | 第65-66页 |
5.1.3 油液数据信息收集 | 第66页 |
5.2 台架实验 | 第66-71页 |
5.2.1 齿轮及减速箱设计 | 第66-69页 |
5.2.2 实验台硬件选择 | 第69-70页 |
5.2.3 实验台基本结构 | 第70页 |
5.2.4 实验台实体结构 | 第70-71页 |
5.2.5 实验步骤 | 第71页 |
5.3 油液分析实验 | 第71-74页 |
5.3.1 油样采集 | 第71-72页 |
5.3.2 油样光谱分析 | 第72-73页 |
5.3.3 油液颗粒浓度分析 | 第73-74页 |
5.4 寿命预测方法验证 | 第74-76页 |
5.5 本章小结 | 第76-77页 |
第6章 总结与展望 | 第77-79页 |
6.1 研究总结 | 第77-78页 |
6.2 主要创新点 | 第78页 |
6.3 研究展望 | 第78-79页 |
参考文献 | 第79-83页 |
攻读学位期间发表的学术论文 | 第83页 |
主要参加完成的科研项目 | 第83-84页 |
致谢 | 第84页 |