| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·本课题研究的背景、意义 | 第10-11页 |
| ·齿轮箱故障诊断技术的国内外研究现状 | 第11-12页 |
| ·齿轮箱进行故障诊断的主要内容 | 第12-13页 |
| ·齿轮箱故障诊断技术 | 第13-15页 |
| ·齿轮箱故障特征提取方法 | 第13-14页 |
| ·齿轮箱状态识别方法 | 第14-15页 |
| ·本论文的主要内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 齿轮箱故障及其振动机理 | 第17-31页 |
| ·概述 | 第17页 |
| ·齿轮箱系统中常见的失效形式 | 第17-21页 |
| ·齿轮箱典型故障类型 | 第17-18页 |
| ·齿轮典型故障的类型 | 第18-19页 |
| ·旋转轴故障类型 | 第19-20页 |
| ·滚动轴承故障的类型 | 第20-21页 |
| ·齿轮箱系统振动机理研究 | 第21-25页 |
| ·齿轮振动机理 | 第22-23页 |
| ·滚动轴承结构 | 第23-24页 |
| ·滚动轴承振动产生机理 | 第24-25页 |
| ·齿轮振动信号故障特征 | 第25-27页 |
| ·齿面破损故障振动信号特征 | 第26页 |
| ·齿轮断齿故障振动信号特征 | 第26页 |
| ·滚动轴承故障振动信号特征 | 第26-27页 |
| ·齿轮箱振动信号故障诊断法 | 第27-30页 |
| ·振动信号故障诊断法 | 第28页 |
| ·信号处理方法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 希尔伯特-黄变换方法 | 第31-43页 |
| ·EMD 分解法 | 第31-38页 |
| ·时间特征尺度 | 第32-33页 |
| ·瞬时频率 | 第33页 |
| ·固有模态函数（IMF） | 第33-34页 |
| ·经验模态法（EMD）分解过程 | 第34-37页 |
| ·EMD 方法的特点 | 第37-38页 |
| ·希尔伯特变换 | 第38-40页 |
| ·实例分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 4 支持向量机分类法 | 第43-56页 |
| ·统计学习理论 | 第43-46页 |
| ·VC 维理论 | 第44页 |
| ·推广性的界 | 第44-45页 |
| ·结构风险最小化原理 | 第45-46页 |
| ·支持向量机（SVM） | 第46-51页 |
| ·最优分类超平面 | 第47-48页 |
| ·支持向量机分类 | 第48-50页 |
| ·核函数 | 第50-51页 |
| ·多分类问题 | 第51-53页 |
| ·实例分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5 基于 HHT 和 SVM 的齿轮箱故障诊断研究 | 第56-75页 |
| ·基于HHT 和SVM 的故障诊断方法 | 第56-57页 |
| ·齿轮箱故障试验设计方案 | 第57-61页 |
| ·齿轮箱故障试验装置 | 第57-58页 |
| ·试验测试所用仪器设备 | 第58-59页 |
| ·故障实验设计方案 | 第59-60页 |
| ·齿轮和轴承参数 | 第60-61页 |
| ·基于HHT 和SVM 的齿轮箱故障诊断和状态识别 | 第61-74页 |
| ·齿轮箱振动信号分析 | 第61-63页 |
| ·基于 HHT 变换的齿轮箱故障初步诊断 | 第63-66页 |
| ·基于 EMD 和 SVM 的齿轮箱故障诊断和识别 | 第66-74页 |
| ·本章小结 | 第74-75页 |
| 6 结论与展望 | 第75-77页 |
| ·结论 | 第75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士期间的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
