齿轮和轴承的故障诊断技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究目的与选题意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·机械故障诊断的环节 | 第12-13页 |
| ·基于振动信号分析的故障诊断方法 | 第13-16页 |
| ·传统的故障特征提取方法 | 第13-14页 |
| ·现代信号分析与诊断方法 | 第14-16页 |
| ·论文主要研究内容 | 第16-18页 |
| 第二章 典型传动部件的故障诊断分析及实验 | 第18-26页 |
| ·齿轮的故障诊断分析 | 第18-20页 |
| ·齿轮常见失效形式分析 | 第18-19页 |
| ·齿轮的故障特点 | 第19-20页 |
| ·滚动轴承的故障诊断分析 | 第20-22页 |
| ·滚动轴承常见失效形式分析 | 第20-21页 |
| ·滚动轴承故障特征频率 | 第21-22页 |
| ·故障模拟实验 | 第22-25页 |
| ·QPZZ-II 故障模拟实验台系统 | 第22-23页 |
| ·实验中故障类型及基本参数 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 高阶统计量在故障诊断中的应用研究 | 第26-38页 |
| ·高阶统计量理论 | 第26-28页 |
| ·高阶统计量定义 | 第26-28页 |
| ·高阶统计量的性质 | 第28页 |
| ·包络分析 | 第28-30页 |
| ·希尔伯特变换 | 第28-29页 |
| ·希尔伯特变换的性质 | 第29-30页 |
| ·故障特征提取方法 | 第30-31页 |
| ·高阶统计量在故障诊断中的应用 | 第31-37页 |
| ·同转速下的故障分离 | 第31-34页 |
| ·不同转速下轴承故障的分离 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 半盲分离技术在故障诊断中的应用研究 | 第38-63页 |
| ·盲信号分离 | 第38-44页 |
| ·盲信号分离的数学模型 | 第38-39页 |
| ·盲信号分离问题的前提假设 | 第39-40页 |
| ·盲信号分离算法 | 第40-42页 |
| ·数值仿真分析 | 第42-44页 |
| ·半盲信号分离 | 第44-50页 |
| ·半盲信号分离算法 | 第44-45页 |
| ·参考独立分量分析算法 | 第45-47页 |
| ·数值仿真研究 | 第47-50页 |
| ·基于半盲信号分离的故障提取 | 第50-62页 |
| ·轴承外圈故障提取 | 第50-53页 |
| ·轴承内圈故障提取 | 第53-55页 |
| ·轴承滚动体故障提取 | 第55-57页 |
| ·轴承混合故障特征提取 | 第57-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于排列熵的机械故障诊断研究 | 第63-78页 |
| ·排列熵算法原理 | 第63-64页 |
| ·排列熵算法有效性的验证 | 第64-66页 |
| ·Logistic 模型 | 第65-66页 |
| ·在仿真信号不同时间段加噪声 | 第66页 |
| ·排列熵在机械故障诊断中的应用 | 第66-70页 |
| ·排列熵在齿轮故障检测中的应用 | 第67-68页 |
| ·排列熵在滚动轴承故障检测中的应用 | 第68-70页 |
| ·基于排列熵的微弱突变信号检测新方法 | 第70-77页 |
| ·排列熵谱 | 第70-71页 |
| ·二次排列熵 | 第71页 |
| ·二次排列熵谱 | 第71页 |
| ·排列熵谱的特性 | 第71-72页 |
| ·新方法的仿真分析 | 第72-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 结论与展望 | 第78-80页 |
| ·结论 | 第78-79页 |
| ·展望 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 致谢 | 第87-88页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第88页 |
