| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 齿轮箱故障诊断的研究意义 | 第7-8页 |
| 1.2 相关领域的国内外研究现状 | 第8-13页 |
| 1.2.1 齿轮箱故障诊断常用方法研究现状 | 第8-9页 |
| 1.2.2 齿轮箱振动信号分析方法的研究现状 | 第9-10页 |
| 1.2.3 小波分析在齿轮箱故障诊断中的研究现状 | 第10-11页 |
| 1.2.4 Hilbert-Huang变换方法及用于齿轮箱故障诊断的现状 | 第11-12页 |
| 1.2.5 独立分量分析方法及在故障诊断中的研究现状 | 第12-13页 |
| 1.3 论文研究的主要内容 | 第13-15页 |
| 1.3.1 本论文的研究对象 | 第13页 |
| 1.3.2 本论文的主要工作 | 第13-15页 |
| 2 齿轮故障机理分析 | 第15-20页 |
| 2.1 齿轮的主要振动类型 | 第15-17页 |
| 2.2 齿轮的振动频率特征 | 第17-18页 |
| 2.3 齿轮的主要失效形式 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 小波包与ICA分析算法及其仿真研究 | 第20-38页 |
| 3.1 小波包分析方法 | 第20-27页 |
| 3.1.1 Mallat算法 | 第20-21页 |
| 3.1.2 小波包的定义与空间剖分 | 第21-23页 |
| 3.1.3 小波包分解 | 第23-24页 |
| 3.1.4 小波包分解与重构 | 第24-25页 |
| 3.1.5 基于小波包的信号消噪 | 第25-27页 |
| 3.2 ICA理论及其实现算法 | 第27-37页 |
| 3.2.1 ICA的基本模型 | 第27页 |
| 3.2.2 ICA问题的假设条件与性质 | 第27-28页 |
| 3.2.3 性能评价标准 | 第28-29页 |
| 3.2.4 预处理过程 | 第29-30页 |
| 3.2.5 独立分量分析的算法 | 第30-31页 |
| 3.2.6 FastICA算法 | 第31-33页 |
| 3.2.7 一种改进的FastICA算法~[75] | 第33-36页 |
| 3.2.8 简单信号盲源分离仿真 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 基于小波包与ICA相结合的齿轮箱故障诊断方法 | 第38-60页 |
| 4.1 齿轮箱故障诊断实验平台 | 第38-40页 |
| 4.2 基于小波包络谱与ICA相结合的故障特征提取 | 第40-55页 |
| 4.2.1 信号的降噪处理 | 第40-42页 |
| 4.2.2 ICA预处理 | 第42-45页 |
| 4.2.3 小波包故障特征提取 | 第45-55页 |
| 4.3 基于支持向量机的故障分类 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
