| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 创新点摘要 | 第8-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 选题背景和意义 | 第12-13页 |
| 1.2 抽油机机械故障诊断的发展 | 第13-14页 |
| 1.3 抽油机齿轮箱故障诊断的方法研究及趋势 | 第14-16页 |
| 1.4 虚拟仪器与LabVIEW的发展及研究现状 | 第16-18页 |
| 1.4.1 虚拟仪器的概念 | 第16-17页 |
| 1.4.2 虚拟仪器的发展过程 | 第17页 |
| 1.4.3 LabVIEW的发展及研究现状 | 第17-18页 |
| 1.4.4 LabVIEW系统的组成及应用 | 第18页 |
| 1.5 本文所做的工作 | 第18-20页 |
| 第二章 抽油机齿轮箱故障的机理 | 第20-36页 |
| 2.1 抽油机齿轮箱的结构和组成部件 | 第20-21页 |
| 2.2 抽油机齿轮箱典型故障 | 第21-25页 |
| 2.2.1 正常齿轮的时域与频域特征 | 第23页 |
| 2.2.2 齿轮的均匀磨损 | 第23-24页 |
| 2.2.3 齿轮的局部异常 | 第24-25页 |
| 2.3 抽油机齿轮箱故障特征 | 第25-29页 |
| 2.3.1 啮合频率及各次谐波 | 第25-26页 |
| 2.3.2 齿轮振动信号的啮合频率调制现象 | 第26-28页 |
| 2.3.3 齿轮及齿轮箱固有频率调制 | 第28页 |
| 2.3.4 其他频率成分 | 第28-29页 |
| 2.4 抽油机齿轮箱轴承振动机理 | 第29-35页 |
| 2.4.1 齿轮箱轴承振动机理 | 第29-30页 |
| 2.4.2 齿轮箱轴承故障特征信息 | 第30-31页 |
| 2.4.3 几种典型齿轮箱轴承特点 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 故障诊断系统自适应滤波消噪技术 | 第36-58页 |
| 3.1 齿轮箱扰动信号分析 | 第36-38页 |
| 3.2 改进的双曲正切函数的LMS算法 | 第38-48页 |
| 3.2.1 LMS算法 | 第39-40页 |
| 3.2.2 双曲正切函数算法 | 第40-43页 |
| 3.2.3 改进的双曲正切函数的LMS算法 | 第43-46页 |
| 3.2.4 ATanh-LMS仿真分析 | 第46-48页 |
| 3.3 改进的双曲正切函数LMS和支持向量回归混合自适应滤波器 | 第48-56页 |
| 3.3.1 支持向量回归 | 第48-50页 |
| 3.3.2 多组合滤波方法 | 第50-52页 |
| 3.3.3 基于支持向量回归结构改进的自适应滤波器 | 第52-54页 |
| 3.3.4 ATanh-LMS和基于支持向量回归混合自适应滤波器仿真分析 | 第54-56页 |
| 3.4 本章小结 | 第56-58页 |
| 第四章 相对广义S变换能量分布和能谱熵的齿轮箱特征提取 | 第58-84页 |
| 4.1 S变换基本理论 | 第58-64页 |
| 4.1.1 基本S变换 | 第58页 |
| 4.1.2 S变换的性质 | 第58-59页 |
| 4.1.3 S变换与傅里叶变换的关系 | 第59-60页 |
| 4.1.4 S变换与小波变换的关系 | 第60-61页 |
| 4.1.5 S变换的算法实现 | 第61-64页 |
| 4.2 基于相对广义S变换能量分布特征提取方法 | 第64-81页 |
| 4.2.1 广义S变换（GST） | 第64页 |
| 4.2.2 基于相对广义S变换能量分布特征提取的原理 | 第64-65页 |
| 4.2.3 合成故障信号仿真 | 第65-68页 |
| 4.2.4 抽油机齿轮箱振动信号特征分析 | 第68-81页 |
| 4.3 广义S变换能谱熵特征提取方法 | 第81-83页 |
| 4.3.1 广义S变换能谱熵特征提取原理 | 第82页 |
| 4.3.2 信号的广义S变换能谱熵 | 第82-83页 |
| 4.4 本章小结 | 第83-84页 |
| 第五章 改进半监督局部线性嵌入算法的抽油机齿轮箱智能诊断 | 第84-101页 |
| 5.1 半监督学习方法 | 第84-87页 |
| 5.1.1 半监督学习方法理论 | 第84-85页 |
| 5.1.2 半监督协同学习算法 | 第85-87页 |
| 5.2 半监督流形学习算法 | 第87-89页 |
| 5.2.1 流形学习基本概念 | 第87-88页 |
| 5.2.2 局部线性嵌入学习算法 | 第88-89页 |
| 5.3 改进的半监督局部线性嵌入算法 | 第89-93页 |
| 5.3.1 核方法基本理论 | 第90-91页 |
| 5.3.2 算法改进步骤 | 第91-93页 |
| 5.4 改进算法的仿真验证 | 第93-97页 |
| 5.5 改进的半监督局部线性嵌入算法抽油机齿轮箱故障诊断 | 第97-100页 |
| 5.5.1 改进SS-LLE学习方法故障诊断方法步骤 | 第97-98页 |
| 5.5.2 齿轮箱的故障分析诊断系统 | 第98-100页 |
| 5.6 本章小结 | 第100-101页 |
| 第六章 基于Lab VIEW的抽油机齿轮箱故障诊断系统 | 第101-114页 |
| 6.1 抽油机齿轮箱振动信号采集系统 | 第101-106页 |
| 6.1.1 多通道在线采集系统 | 第101-103页 |
| 6.1.2 齿轮箱离线分析系统 | 第103-106页 |
| 6.2 Lab VIEW数据处理主要模块 | 第106-113页 |
| 6.2.1 采集信号回放模块 | 第106-107页 |
| 6.2.2 时域特征参数信息提取模块 | 第107-108页 |
| 6.2.3 频域特征分析模块 | 第108-110页 |
| 6.2.4 基于相对广义S变换的能量处理的时频分析模块 | 第110-111页 |
| 6.2.5 改进半监督局部线性嵌入学习算法的抽油机齿轮箱故障诊断模块 | 第111-113页 |
| 6.3 本章小结 | 第113-114页 |
| 结论 | 第114-116页 |
| 参考文献 | 第116-125页 |
| 攻读博士期间所参加的科研及发表论文 | 第125-127页 |
| 致谢 | 第127-128页 |
