| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 齿轮箱故障诊断的研究现状及常用算法 | 第10-12页 |
| 1.2.1 齿轮箱故障诊断的国内外研究现状 | 第10-11页 |
| 1.2.2 齿轮箱故障分析常用方法概述 | 第11-12页 |
| 1.3 盲源分离技术的研究现状 | 第12-14页 |
| 1.3.1 盲源分离的发展历程 | 第12-13页 |
| 1.3.2 盲源分离在故障诊断领域的应用 | 第13-14页 |
| 1.4 论文的主要研究内容和创新点 | 第14-16页 |
| 1.4.1 论文的主要研究内容 | 第14-15页 |
| 1.4.2 论文主要创新点 | 第15-16页 |
| 第二章 齿轮箱混合故障信号的盲源分离理论 | 第16-33页 |
| 2.1 齿轮箱常见故障类型及特征分析 | 第16-22页 |
| 2.1.1 滚动轴承振动模型及故障特征分析 | 第16-17页 |
| 2.1.2 齿轮振动模型及故障特征分析 | 第17-18页 |
| 2.1.3 齿轮及滚动轴承故障仿真信号 | 第18-20页 |
| 2.1.4 调制信号的解调算法 | 第20-22页 |
| 2.2 盲源分离的理论基础 | 第22-32页 |
| 2.2.1 盲源分离的数学基础 | 第22-25页 |
| 2.2.2 ICA算法与FastICA算法 | 第25-27页 |
| 2.2.3 分离信号的性能评价标准 | 第27-28页 |
| 2.2.4 基于FastICA的仿真信号分析 | 第28-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于EEMD的振动信号预处理方法 | 第33-47页 |
| 3.1 单通道盲源分离理论 | 第33-35页 |
| 3.1.1 单通道信号预处理的必要性 | 第33-34页 |
| 3.1.2 单通道盲源分离方法 | 第34-35页 |
| 3.2 基于EEMD的单通道扩展方法 | 第35-41页 |
| 3.2.1 EMD算法与模态混叠现象 | 第35-36页 |
| 3.2.2 EEMD算法的基本原理与参数设置 | 第36-38页 |
| 3.2.3 EMD和EEMD方法仿真对比分析 | 第38-41页 |
| 3.3 IMF分量的筛选准则 | 第41-46页 |
| 3.3.1 基于白噪声统计特性和峭度值的IMF分量筛选准则 | 第41-43页 |
| 3.3.2 IMF分量筛选方法仿真实验 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于EEMD-CICA的故障特征提取方法 | 第47-59页 |
| 4.1 约束独立分量分析(CICA) | 第47-50页 |
| 4.1.1 Fast ICA算法的缺点 | 第47-48页 |
| 4.1.2 约束独立分量分析的原理及算法 | 第48-49页 |
| 4.1.3 参考信号的建立 | 第49-50页 |
| 4.2 仿真实验 | 第50-57页 |
| 4.2.1 参考信号的参数影响仿真验证 | 第50-53页 |
| 4.2.2 基于EEMD-CICA算法的单通道仿真信号分析 | 第53-57页 |
| 4.3 EEMD-CICA方法故障分离性能评价 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实验验证 | 第59-73页 |
| 5.1 实验设备与工况 | 第59-63页 |
| 5.1.1 实验设备与数据采集设备 | 第59-61页 |
| 5.1.2 实验齿轮箱结构介绍 | 第61-62页 |
| 5.1.3 故障情况与通道布置 | 第62-63页 |
| 5.2 实验数据分析 | 第63-72页 |
| 5.2.1 正常齿轮箱的信号分析 | 第63-65页 |
| 5.2.2 基于EEMD的单通道信号预处理 | 第65-67页 |
| 5.2.3 Fast ICA算法对信号的处理分析 | 第67-69页 |
| 5.2.4 CICA算法对信号的处理分析 | 第69-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 6.1 结论 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第80页 |