| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题概述 | 第13-14页 |
| ·课题来源 | 第13页 |
| ·课题研究的目的及意义 | 第13-14页 |
| ·齿轮及齿轮箱诊断技术的发展与现状 | 第14-17页 |
| ·故障诊断技术概述 | 第14-15页 |
| ·齿轮箱信息处理技术国内外发展概况 | 第15-16页 |
| ·智能诊断技术国内外发展概况 | 第16-17页 |
| ·本文研究的主要内容 | 第17-19页 |
| 第2章 齿轮箱故障机理分析 | 第19-30页 |
| ·齿轮常见失效形式及故障原因 | 第19-21页 |
| ·齿轮的简化振动模型及振动机理分析 | 第21-22页 |
| ·齿轮振动信号频率组成 | 第22-26页 |
| ·各轴转频及其高次谐波 | 第23页 |
| ·齿轮啮合频率及其高次谐波 | 第23-24页 |
| ·齿轮的固有振动频率 | 第24页 |
| ·齿轮产生故障时的调制现象和边频带分布特点 | 第24-25页 |
| ·齿轮振动信号中的其他频率成分 | 第25-26页 |
| ·齿轮典型故障的振动信号特征 | 第26-28页 |
| ·断齿振动特征分析 | 第26页 |
| ·齿面点蚀振动特征分析 | 第26-27页 |
| ·齿面磨损振动特征分析 | 第27页 |
| ·齿根裂纹振动特征分析 | 第27-28页 |
| ·齿轮箱噪声产生机理分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 实验方案设计 | 第30-40页 |
| ·实验测试系统方案设计 | 第30-31页 |
| ·齿轮箱故障模拟试验台的设计 | 第31-34页 |
| ·试验台的设计 | 第31-32页 |
| ·齿轮故障模拟 | 第32-34页 |
| ·传感器的选择及安装 | 第34-39页 |
| ·传感器的选择 | 第34-38页 |
| ·传感器的安装 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 齿轮箱故障诊断数据采集系统设计 | 第40-54页 |
| ·数据采集的软件架构 | 第40-41页 |
| ·数据采集的硬件选择 | 第41-47页 |
| ·数据采集系统平台的选择 | 第41-42页 |
| ·数据采集卡的选择 | 第42-44页 |
| ·数据采集卡的安装及其参数设置 | 第44-47页 |
| ·数据采集系统软件设计 | 第47-53页 |
| ·数据采集 | 第47-49页 |
| ·数据存储 | 第49-50页 |
| ·数据读取 | 第50-51页 |
| ·数据库的访问 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 信号分析处理方法及其仿真 | 第54-73页 |
| ·机械振动的基础 | 第54-57页 |
| ·振动信号的分类 | 第54-56页 |
| ·振动信号的描述 | 第56-57页 |
| ·信号特征的时域分析方法 | 第57-58页 |
| ·信号特征的频域分析方法 | 第58-60页 |
| ·信号特征的时频分析方法 | 第60-67页 |
| ·小波分析 | 第60-63页 |
| ·小波包分析 | 第63-65页 |
| ·经验模态分解法 | 第65-67页 |
| ·信号处理方法的 MATLAB 仿真 | 第67-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 实验及数据分析 | 第73-94页 |
| ·实验数据采集 | 第73-75页 |
| ·振动信号时域特征提取 | 第75-76页 |
| ·振动信号谱分析 | 第76-80页 |
| ·频谱功率谱分析 | 第76-77页 |
| ·基于小波变换的 Hilbert 包络谱分析 | 第77-78页 |
| ·基于经验模态分解的 Hilbert 边际谱分析 | 第78-80页 |
| ·振动信号特征能量提取 | 第80-89页 |
| ·小波包能量提取 | 第80-83页 |
| ·EMD 能量提取与选择 | 第83-89页 |
| ·噪声信号特征能量提取与选择 | 第89-93页 |
| ·噪声信号特征能量提取 | 第89-91页 |
| ·噪声信号特征能量选择 | 第91-93页 |
| ·本章小结 | 第93-94页 |
| 第7章 基于遗传 BP 神经网络的齿轮故障类型识别 | 第94-114页 |
| ·神经网络概述 | 第94-96页 |
| ·BP 神经网络原理及实现 | 第96-98页 |
| ·BP 网络概述 | 第96-97页 |
| ·BP 算法 | 第97-98页 |
| ·遗传 BP 神经网络学习算法 | 第98-103页 |
| ·遗传算法简介 | 第99页 |
| ·遗传算法优化 BP 网络过程 | 第99-102页 |
| ·遗传 BP 神经网络算法的 MATLAB 实现 | 第102-103页 |
| ·遗传 BP 神经网络模型的建立与应用 | 第103-113页 |
| ·基于 BP 网络的小波包能量法与 EMD 能量法的比较 | 第103-106页 |
| ·遗传 BP 神经网络结构的确定 | 第106-107页 |
| ·遗传 BP 神经网络训练集与测试集的确定 | 第107-108页 |
| ·遗传 BP 神经网络算法选择及参数设计 | 第108-109页 |
| ·遗传 BP 神经网络的训练与测试 | 第109-111页 |
| ·与一般 BP 网络比较 | 第111-113页 |
| ·本章小结 | 第113-114页 |
| 第8章 结论与展望 | 第114-116页 |
| ·工作总结 | 第114-115页 |
| ·工作展望 | 第115-116页 |
| 参考文献 | 第116-120页 |
| 攻读硕士学位期间发表的学术论文 | 第120-121页 |
| 致谢 | 第121页 |