基于粒子群优化的齿轮箱智能故障诊断研究

中文摘要	第1-8页
Abstracts	第8-15页
主要符号表	第15-16页
1. 绪论	第16-30页
·论文研究的目的和意义	第16-17页
·粒子群优化算法的发展与现状	第17-22页
·算法的改进	第17-20页
·算法的分析	第20页
·粒子群优化算法的应用	第20-21页
·粒子群优化算法的研究方向	第21-22页
·齿轮箱故障诊断技术研究概述	第22-29页
·故障机理研究	第22-23页
·信号处理技术	第23-24页
·故障诊断方法	第24-26页
·基于人工智能的融合技术的诊断方法	第26-29页
·本论文的主要研究内容	第29-30页
2. 基于参数策略的粒子群优化算法改进	第30-60页
·引言	第30页
·基本粒子群优化算法	第30-37页
·算法原理	第30-32页
·粒子群优化算法流程	第32-34页
·基本粒子群优化算法的社会行为分析	第34页
·粒子群优化算法参数的设置	第34-37页
·动态加速常数的粒子群优化算法	第37-49页
·算法描述	第37-38页
·算法在函数中的仿真实验	第38-43页
·算法在函数中的测试	第43-46页
·算法在神经网络中的测试	第46-49页
·速度自适应的粒子群算法	第49-57页
·算法描述	第49-50页
·算法在函数中仿真研究	第50-52页
·算法在神经网络中的仿真研究	第52-54页
·算法在神经网络中的测试	第54-57页
·主要控制参数的协同关系分析	第57-59页
·已有研究结果概述	第57页
·参数间协同对算法的性能控制分析	第57-59页
·小结	第59-60页
3. 基于粒子群优化的核主元分析特征提取技术研究	第60-84页
·引言	第60-61页
·基于主元分析方法的特征提取	第61-63页
·基于核主元分析的特征提取技术	第63-66页
·算法原理	第63-66页
·算法实现	第66页
·基于粒子群优化算法的核函数的参数优化	第66-70页
·核参数优化适应度建立	第67-69页
·粒子群优化核函数参数的实现	第69-70页
·仿真研究	第70-74页
·构建Iris 仿真数据集	第70-71页
·粒子群优化核参数的实现及核主元分析结果	第71-74页
·基于粒子群优化的核主元分析故障样本特征提取	第74-83页
·引言	第74页
·建立齿轮箱特征参数集	第74-76页
·基于粒子群的核参数的优化	第76-78页
·核主元分析结果及特征参数提取	第78-83页
·小结	第83-84页
4. 基于粒子群优化的齿轮箱传感器优化配置研究	第84-109页
·引言	第84-85页
·传感器优化布置的研究进展	第85-88页
·传感器优化问题的数学模型描述	第85-86页
·传感器优化配置准则	第86-87页
·传感器优化配置的计算方法	第87-88页
·粒子群优化方法在齿轮箱测点优化中的应用	第88-90页
·粒子群优化传感器配置的适应度	第88-90页
·齿轮箱有限元建摸与模态计算	第90-94页
·齿轮箱箱体建摸	第90-91页
·齿轮箱箱体计算模态分析	第91-94页
·基于粒子群优化的齿轮箱传感器优化布置的实现	第94-102页
·初选点方案	第94页
·适应度	第94-97页
·参数编码	第97页
·粒子群算法优化测点算法的实现过程	第97页
·优化结果及分析	第97-102页
·齿轮箱箱体试验模态分析	第102-108页
·试验分析设备	第102页
·测点布置及测试方案	第102页
·测点频响特性分析	第102-106页
·试验模态结果分析	第106-108页
·小结	第108-109页
5. 基于粒子群优化神经网络的齿轮箱故障诊断方法	第109-122页
·引言	第109页
·齿轮箱故障机理分析	第109-111页
·齿轮常见的故障形式及产生的原因	第110页
·轴承常见的故障形式及产生的原因	第110-111页
·齿轮箱故障诊断实验方案	第111-115页
·齿轮箱故障的设置	第112页
·测点的选定	第112-115页
·齿轮箱信号采集	第115页
·齿轮箱的故障特征值的选取	第115页
·粒子群优化神经网络故障诊断算法实现	第115-121页
·神经网络故障诊断系统的构建	第115-116页
·粒子群优化神经网络参数的选择	第116页
·神经网络的训练与诊断样本	第116-118页
·神经网络的理想输出的设置	第118页
·神经网络的训练和诊断结果	第118-121页
·小结	第121-122页
6. 结论与展望	第122-125页
·本论文的总结	第122-124页
·关于未来研究的展望	第124-125页
参考文献	第125-136页
攻读博士期间发表的论文及所取得的研究成果	第136-138页
致谢	第138页