齿轮啮合故障振动信号的非线性特征提取
| 摘要 | 第9-11页 |
| ABSTRACT | 第11页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题的研究意义 | 第14-15页 |
| 1.2 国内外研究现状与发展趋势 | 第15-20页 |
| 1.2.1 工程应用系统研发 | 第16页 |
| 1.2.2 机理研究 | 第16-17页 |
| 1.2.3 故障信号 | 第17页 |
| 1.2.4 故障特征 | 第17-19页 |
| 1.2.5 故障辨识 | 第19页 |
| 1.2.6 发展趋势 | 第19-20页 |
| 1.3 难点与不足 | 第20页 |
| 1.4 本文的主要研究内容 | 第20-21页 |
| 1.5 本文的结构安排 | 第21-23页 |
| 第2章 齿轮啮合的动力学机理与故障特性分析 | 第23-33页 |
| 2.1 齿轮常见故障 | 第23-24页 |
| 2.2 齿轮啮合动力学 | 第24-28页 |
| 2.2.1 齿轮的基本参数及特性 | 第24-26页 |
| 2.2.2 齿轮唯合数学模型 | 第26-28页 |
| 2.2.3 显性故障特性 | 第28页 |
| 2.3 故障特性模拟 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 故障信号的时频分析 | 第33-55页 |
| 3.1 小波包变换 | 第33-35页 |
| 3.2 EEMD原理 | 第35-36页 |
| 3.2.1 基本原理 | 第35页 |
| 3.2.2 EMD方法的分解过程 | 第35-36页 |
| 3.2.3 EEMD方法的分解过程 | 第36页 |
| 3.3 实验信号时频分析 | 第36-54页 |
| 3.3.1 齿轮箱故障实验 | 第36-40页 |
| 3.3.2 小波分析 | 第40-47页 |
| 3.3.3 基于EEMD的时频分析 | 第47-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 齿轮啮合故障智能诊断方法 | 第55-63页 |
| 4.1 流形学习与特征选择 | 第55页 |
| 4.2 局部线性嵌入(LLE) | 第55-57页 |
| 4.3 实验数据分析 | 第57-59页 |
| 4.4 基于SVM的故障模式识别 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 主要结论 | 第63页 |
| 研究展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文 | 第69-71页 |
| 致谢 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |
