| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题的提出及意义 | 第10-11页 |
| ·齿轮箱故障诊断的现状及发展 | 第11-17页 |
| ·齿轮箱故障诊断的特点 | 第11-12页 |
| ·齿轮箱故障诊断的方法 | 第12-15页 |
| ·神经网络方法在齿轮箱故障诊断中的应用 | 第15-16页 |
| ·齿轮箱故障诊断技术的发展方向 | 第16-17页 |
| ·课题研究的主要内容 | 第17-20页 |
| 第二章 齿轮箱的故障类型及振动机理 | 第20-28页 |
| ·齿轮箱故障的主要形式 | 第20-21页 |
| ·齿轮的故障类型及振动机理 | 第21-25页 |
| ·齿轮的故障类型 | 第21-22页 |
| ·齿轮的振动机理 | 第22-25页 |
| ·滚动轴承的故障类型及振动机理 | 第25-27页 |
| ·滚动轴承的故障类型 | 第25页 |
| ·滚动轴承的振动机理 | 第25-27页 |
| ·小结 | 第27-28页 |
| 第三章 齿轮箱振动信号的时、频域分析与特征提取 | 第28-42页 |
| ·齿轮箱振动信号的时、频域分析 | 第28-33页 |
| ·时域分析 | 第28-29页 |
| ·频域分析 | 第29-33页 |
| ·齿轮箱振动信号的时、频域特征 | 第33-41页 |
| ·正常 | 第33-35页 |
| ·齿轮磨损 | 第35-37页 |
| ·断齿 | 第37-39页 |
| ·滚动轴承故障 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第四章 齿轮箱振动信号的小波分析与特征提取 | 第42-56页 |
| ·小波分析理论简述 | 第42-48页 |
| ·小波分析 | 第42-43页 |
| ·多分辨率分析 | 第43-45页 |
| ·小波包分析 | 第45-46页 |
| ·小波和小波包的分解与重构 | 第46-48页 |
| ·适合齿轮箱故障信号分析的小波基的选择 | 第48-49页 |
| ·利用小波包进行齿轮箱故障的特征提取 | 第49-50页 |
| ·实例分析 | 第50-54页 |
| ·小结 | 第54-56页 |
| 第五章 神经网络的故障诊断方法 | 第56-70页 |
| ·神经网络故障建模原理 | 第56-57页 |
| ·BP网络原理 | 第57-63页 |
| ·BP学习算法 | 第57-62页 |
| ·改进的BP算法 | 第62-63页 |
| ·BP神经网络的设计 | 第63-65页 |
| ·实例分析 | 第65-68页 |
| ·小结 | 第68-70页 |
| 第六章 神经网络方法在齿轮箱典型故障诊断中的应用 | 第70-86页 |
| ·齿轮箱典型故障信号的采集与分析 | 第70-75页 |
| ·实验系统的构成 | 第70-71页 |
| ·实验所用仪器 | 第71-72页 |
| ·故障模拟 | 第72-74页 |
| ·测点布置 | 第74页 |
| ·实验数据预处理 | 第74-75页 |
| ·故障特征向量的提取 | 第75页 |
| ·数据规范化处理 | 第75页 |
| ·利用BP神经网络进行齿轮箱故障模式识别 | 第75-84页 |
| ·基于时、频域和神经网络方法的齿轮箱故障诊断 | 第76-79页 |
| ·基于小波分析和神经网络方法的齿轮箱故障诊断 | 第79-82页 |
| ·基于时、频域-小波分析和神经网络方法的齿轮箱故障诊断 | 第82-84页 |
| ·小结 | 第84-86页 |
| 第七章 结论 | 第86-88页 |
| ·结论 | 第86-87页 |
| ·展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 附表 | 第92-96页 |
| 致谢 | 第96-98页 |
| 攻读硕士学位期间发表的学术论文 | 第98页 |