| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 选题背景及研究意义 | 第14-15页 |
| 1.2 齿轮传动系统故障诊断研究现状 | 第15-20页 |
| 1.2.1 振动分析故障诊断 | 第15-18页 |
| 1.2.2 油液分析故障诊断 | 第18-19页 |
| 1.2.3 能量分析故障诊断 | 第19-20页 |
| 1.3 论文结构与研究内容安排 | 第20-24页 |
| 第二章 齿轮箱振动信号与输入能量的相关性研究 | 第24-49页 |
| 2.1 引言 | 第24页 |
| 2.2 齿轮传动系统能量监测实验台设计 | 第24-27页 |
| 2.3 齿轮箱振动机理 | 第27-30页 |
| 2.4 静态传递误差变量的理论分析 | 第30-32页 |
| 2.5 齿轮传动功率流分析 | 第32-35页 |
| 2.5.1 传动功率流的定义 | 第33-34页 |
| 2.5.2 齿轮啮合系统的振源功率 | 第34-35页 |
| 2.6 基于相干分析的能量与振动关系识别 | 第35-47页 |
| 2.6.1 功率谱密度估计 | 第36-39页 |
| 2.6.1.1 功率谱密度函数 | 第37页 |
| 2.6.1.2 相干函数 | 第37-39页 |
| 2.6.2 齿轮传动能量与振动信号的相干性实验分析 | 第39-45页 |
| 2.6.2.1 正常齿轮相干性实验分析 | 第39-41页 |
| 2.6.2.2 断齿相干性实验分析 | 第41-45页 |
| 2.6.3 能量与振动信号时域特征对比分析 | 第45-47页 |
| 2.7 本章小结 | 第47-49页 |
| 第三章 基于改进 HHT 的能量信号处理方法研究 | 第49-80页 |
| 3.1 引言 | 第49页 |
| 3.2 HHT 变换 | 第49-50页 |
| 3.3 HHT 的算法过程 | 第50-54页 |
| 3.3.1 经验模态分解 | 第50-52页 |
| 3.3.2 希尔伯特变换 | 第52-53页 |
| 3.3.3 希尔伯特谱 | 第53-54页 |
| 3.4 端点效应的影响与分析 | 第54-59页 |
| 3.4.1 基于信号本身的数据延拓研究概述 | 第56-59页 |
| 3.4.1.1 数据对称延拓方法 | 第56-57页 |
| 3.4.1.2 基于数据预测的延拓方法 | 第57-59页 |
| 3.5 用于端点效应抑制的 PSO-ARMA 预测模型 | 第59-71页 |
| 3.5.1 ARMA 预测模型 | 第60页 |
| 3.5.2 基于粒子熵的参数自适应变异粒子群算法 | 第60-69页 |
| 3.5.2.1 PSO 算法 | 第60-61页 |
| 3.5.2.2 PSO 算法改进分析 | 第61-62页 |
| 3.5.2.3 基于粒子熵的参数自适应变异 PSO 算法 | 第62-69页 |
| 3.5.3 模型参数估计 | 第69-71页 |
| 3.5.3.1 参数估计步骤 | 第69-70页 |
| 3.5.3.2 模型参数的初估 | 第70-71页 |
| 3.5.3.3 适应度函数选择 | 第71页 |
| 3.6 预测验证实验 | 第71-74页 |
| 3.7 基于 PSO-ARMA 预测模型的端点效应抑制仿真 | 第74-79页 |
| 3.8 本章小结 | 第79-80页 |
| 第四章 齿轮传动系统故障特征提取方法研究 | 第80-100页 |
| 4.1 引言 | 第80页 |
| 4.2 能量信号的小波降噪处理 | 第80-84页 |
| 4.2.1 小波变换 | 第81-83页 |
| 4.2.2 小波降噪 | 第83-84页 |
| 4.3 能量信号 HHT 变换分析及特征参数提取 | 第84-99页 |
| 4.3.1 齿轮传动能量信号分析 | 第84-89页 |
| 4.3.2 HHT 特征参数选取 | 第89-95页 |
| 4.3.3 原始能量信号的时域特征参数选取 | 第95-96页 |
| 4.3.4 近似熵特征参数选取 | 第96-99页 |
| 4.4 本章小结 | 第99-100页 |
| 第五章 齿轮传动系统故障模糊识别方法研究 | 第100-129页 |
| 5.1 引言 | 第100页 |
| 5.2 核主元分析方法(KPCA) | 第100-104页 |
| 5.2.1 基于核主元分析的基本原理 | 第102-103页 |
| 5.2.2 KPCA 数据特征提取步骤 | 第103-104页 |
| 5.3 齿轮故障模式模糊识别方法 | 第104-112页 |
| 5.3.1 基于主元熵的最佳聚类数的确定 | 第106-107页 |
| 5.3.2 聚类中心的确定 | 第107-108页 |
| 5.3.3 故障模糊识别方法 | 第108-110页 |
| 5.3.3.1 最大贴近度方法 | 第108-109页 |
| 5.3.3.2 模糊关联熵识别方法 | 第109-110页 |
| 5.3.4 故障模式模糊识别规则建立 | 第110-112页 |
| 5.4 故障模糊识别方法验证 | 第112-115页 |
| 5.4.1 核主元降维与初始分类 | 第113页 |
| 5.4.2 数据聚类与模式识别 | 第113-115页 |
| 5.5 齿轮故障模糊识别实验研究 | 第115-127页 |
| 5.5.1 故障训练样本模糊聚类分析 | 第116-123页 |
| 5.5.1.1 KPCA 核参数性能影响分析 | 第117-120页 |
| 5.5.1.2 齿轮故障特征提取与聚类分析 | 第120-123页 |
| 5.5.2 齿轮故障模糊识别 | 第123-127页 |
| 5.6 本章小结 | 第127-129页 |
| 第六章 能量信号监测与故障诊断系统研究 | 第129-139页 |
| 6.1 引言 | 第129页 |
| 6.2 齿轮传动系统能量信号监测与故障诊断系统功能 | 第129-130页 |
| 6.3 系统开发 | 第130-134页 |
| 6.3.1 基于虚拟仪器技术能量信号监测系统设计 | 第130-131页 |
| 6.3.2 系统数据库设计 | 第131-132页 |
| 6.3.3 信号采集与分析子系统设计 | 第132-134页 |
| 6.4 基于 WSN 的齿轮传动监测装置设计 | 第134-138页 |
| 6.4.1 硬件节点设计 | 第135-136页 |
| 6.4.2 软件设计 | 第136-138页 |
| 6.5 本章小结 | 第138-139页 |
| 结论 | 第139-144页 |
| 1 研究工作总结 | 第139-141页 |
| 2 创新点 | 第141-142页 |
| 3 后续研究展望 | 第142-144页 |
| 参考文献 | 第144-157页 |
| 附录 | 第157-161页 |
| 附录 1 能量信号采集子系统功能界面及程序框图 | 第157-158页 |
| 附录 2 能量信号分析子系统功能界面及程序框图 | 第158-159页 |
| 附录 3 基于 WSN 的齿轮传动监测模块硬件原理图 | 第159-161页 |
| 攻读博士学位期间取得的研究成果 | 第161-163页 |
| 致谢 | 第163-164页 |
| 附件 | 第164页 |
