| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 齿轮故障诊断的研究背景和意义 | 第8-9页 |
| 1.2 齿轮故障诊断的发展和研究现状 | 第9-10页 |
| 1.2.1 齿轮故障诊断的发展 | 第9页 |
| 1.2.2 齿轮故障诊断的研究现状 | 第9-10页 |
| 1.3 信号降噪理论及降噪方法 | 第10-12页 |
| 1.4 论文的主要研究内容及结构安排 | 第12-13页 |
| 1.4.1 主要研究内容 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 齿轮振动分析基本原理及方法 | 第14-25页 |
| 2.1 齿轮的振动特性 | 第14-16页 |
| 2.1.1 齿轮的基本参数计算 | 第14-15页 |
| 2.1.2 齿轮振动机理 | 第15-16页 |
| 2.2 常见齿轮故障类型及振动信号特征 | 第16-18页 |
| 2.3 齿轮振动信号分析 | 第18-24页 |
| 2.3.1 齿轮振动信号模型及故障特征 | 第18-20页 |
| 2.3.2 齿轮振动信号分析流程 | 第20-21页 |
| 2.3.3 齿轮振动信号分析方法 | 第21-24页 |
| 2.3.3.1 时域分析 | 第21-22页 |
| 2.3.3.2 频域分析 | 第22-23页 |
| 2.3.3.3 时频域分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 EMD端点效应抑制方法研究 | 第25-37页 |
| 3.1 EMD、支持向量回归机和窗函数的算法分析研究 | 第25-30页 |
| 3.1.1 EMD分解及其端点效应 | 第26页 |
| 3.1.2 基于支持向量机的数据序列延拓算法 | 第26-28页 |
| 3.1.3 窗函数算法 | 第28-30页 |
| 3.2 抑制端点效应新方法的分析研究 | 第30-36页 |
| 3.2.1 基于SVM延拓和窗函数相结合的抑制端点效应新方法 | 第30-31页 |
| 3.2.2 评价指标 | 第31-32页 |
| 3.2.3 仿真信号分析 | 第32-34页 |
| 3.2.4 实测信号分析 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 自适应形态学滤波在齿轮故障特征提取中的应用 | 第37-47页 |
| 4.1 自适应形态学滤波 | 第37-40页 |
| 4.1.1 形态学基本理论 | 第37-39页 |
| 4.1.2 形态学滤波器 | 第39-40页 |
| 4.1.3 基于峭度准则优化形态学结构元素的自适应算法 | 第40页 |
| 4.2 自适应形态学滤波在齿轮故障诊断中的应用 | 第40-45页 |
| 4.2.1 仿真数据研究 | 第41-42页 |
| 4.2.2 齿轮故障实验研究 | 第42-45页 |
| 4.3 本章小结 | 第45-47页 |
| 第五章 基于EMD模态相关和形态学降噪的齿轮故障诊断研究 | 第47-65页 |
| 5.1 EMD滤波理论 | 第47-49页 |
| 5.2 基于EMD模态相关和形态学降噪的算法研究 | 第49-55页 |
| 5.2.1 现有EMD降噪算法的局限性 | 第49-51页 |
| 5.2.2 基于模态相关分选准则和形态学滤波相结合的降噪方法 | 第51-55页 |
| 5.3 实验分析研究 | 第55-63页 |
| 5.3.1 仿真数据分析 | 第55-59页 |
| 5.3.2 齿轮故障信号的特征提取分析 | 第59-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 工作总结 | 第65页 |
| 6.2 论文创新点 | 第65-66页 |
| 6.3 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第72页 |
