变工况齿轮箱振动信号处理与故障诊断方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·课题研究背景 | 第9-10页 |
| ·选题意义 | 第10页 |
| ·国内外研究现状 | 第10-14页 |
| ·非稳态信号的分析处理 | 第11-12页 |
| ·故障诊断技术现状 | 第12-14页 |
| ·主要研究内容 | 第14-15页 |
| 第2章 非稳态信号及变工况特征分析 | 第15-23页 |
| ·引言 | 第15页 |
| ·非稳态信号 | 第15-17页 |
| ·非稳态信号概念 | 第15-16页 |
| ·传统频谱分析法的不足 | 第16-17页 |
| ·变工况特征分析 | 第17-19页 |
| ·变工况定义 | 第18页 |
| ·变工况信号特征分析 | 第18-19页 |
| ·变负载工况分析 | 第19-21页 |
| ·变转速工况分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 齿轮箱故障类型及信号分析系统设计 | 第23-33页 |
| ·引言 | 第23页 |
| ·齿轮箱常见故障类型 | 第23-25页 |
| ·齿轮常见故障 | 第23-24页 |
| ·轴承常见故障 | 第24-25页 |
| ·试验平台介绍 | 第25-27页 |
| ·信号分析系统设计 | 第27-31页 |
| ·本章小结 | 第31-33页 |
| 第4章 变工况齿轮箱振动信号分析方法及试验验证 | 第33-57页 |
| ·引言 | 第33页 |
| ·FastICA 信噪分离技术 | 第33-38页 |
| ·FastICA 算法原理 | 第33-35页 |
| ·改进 FastICA 算法 | 第35-36页 |
| ·信噪分离试验 | 第36-38页 |
| ·小波阈值去噪 | 第38-41页 |
| ·改进的小波阈值去噪方法 | 第39页 |
| ·小波阈值去噪对比试验 | 第39-41页 |
| ·小波包络谱分析 | 第41-50页 |
| ·包络谱分析 | 第41-43页 |
| ·滚动轴承故障试验分析 | 第43-47页 |
| ·齿面磨损故障试验分析 | 第47-49页 |
| ·转速变化对小波包络谱影响 | 第49-50页 |
| ·EMD 中的“端点效应” | 第50-56页 |
| ·修正“端点效应”方法 | 第51-52页 |
| ·EMD 和 Wigner-Ville 分布 | 第52页 |
| ·试验验证 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 齿轮箱特征参量提取及模式识别 | 第57-67页 |
| ·引言 | 第57页 |
| ·齿轮箱的特征参量提取 | 第57-61页 |
| ·幅域特征参量 | 第57-59页 |
| ·频域和能量域特征参量提取 | 第59-61页 |
| ·BP 神经网络的故障诊断 | 第61-64页 |
| ·BP 神经网络学习算法 | 第61-63页 |
| ·BP 神经网络模型 | 第63-64页 |
| ·齿轮箱故障诊断应用实例 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间所发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
