基于声发射的旋转机械故障诊断
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 齿轮故障检测的意义 | 第9-10页 |
| 1.2 齿轮故障检测技术的研究现状 | 第10-12页 |
| 1.3 本研究内容和章节安排 | 第12-14页 |
| 第2章 旋转机械故障诊断技术 | 第14-21页 |
| 2.1 常见旋转机械设备故障 | 第14-15页 |
| 2.1.1 齿轮箱故障 | 第14页 |
| 2.1.2 轴承故障 | 第14-15页 |
| 2.2 旋转机械的故障特性 | 第15-16页 |
| 2.3 旋转机械故障的分析 | 第16-18页 |
| 2.3.1 旋转机械故障的监测过程 | 第16-17页 |
| 2.3.2 机械设备故障监测的主要研究内容 | 第17-18页 |
| 2.4 机械信号故障诊断 | 第18-20页 |
| 2.4.1 特征参数分析法 | 第19-20页 |
| 2.4.2 波形分析法 | 第20页 |
| 2.4.3 谱分析法 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 声发射理论基础 | 第21-28页 |
| 3.1 声发射的产生 | 第21-22页 |
| 3.2 声发射信号的传播 | 第22-25页 |
| 3.2.1 波的传播模式 | 第22页 |
| 3.2.2 波的传播方程 | 第22-25页 |
| 3.3 声发射检测系统 | 第25-27页 |
| 3.3.1 声发射检测系统的组成 | 第25页 |
| 3.3.2 声发射检测系统的分类 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 支持向量机 | 第28-41页 |
| 4.1 统计学习基本理论 | 第28-30页 |
| 4.1.1 机器学习 | 第28页 |
| 4.1.2 VC维 | 第28-29页 |
| 4.1.3 推广性界理论 | 第29-30页 |
| 4.2 支持向量机原理 | 第30-35页 |
| 4.2.1 线性可分支持向量机 | 第30-33页 |
| 4.2.2 非线性可分支持向量机 | 第33-34页 |
| 4.2.3 核函数的选择 | 第34-35页 |
| 4.3 核函数参数优化 | 第35-38页 |
| 4.3.1 网格搜索法 | 第35页 |
| 4.3.2 遗传算法寻优 | 第35-37页 |
| 4.3.3 粒子群寻优算法 | 第37-38页 |
| 4.4 参数选取的讨论 | 第38-39页 |
| 4.5 数据预处理 | 第39-40页 |
| 4.6 模型建立 | 第40页 |
| 4.7 本章小结 | 第40-41页 |
| 第5章 齿轮故障实验研究 | 第41-52页 |
| 5.1 引言 | 第41页 |
| 5.2 声发射检测系统 | 第41-42页 |
| 5.3 磨损信号分析 | 第42-48页 |
| 5.4 沟槽和磨损故障的齿轮信号分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |
