摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第16-25页 |
1.1 课题的研究背景与意义 | 第16页 |
1.2 常用的齿轮箱故障诊断方法 | 第16-17页 |
1.3 基于信号分解的故障诊断方法综述 | 第17-20页 |
1.3.1 小波变换 | 第17-18页 |
1.3.2 经验模态分解 | 第18-19页 |
1.3.3 盲源分离 | 第19页 |
1.3.4 信号共振稀疏分解 | 第19-20页 |
1.3.5 形态分量分析 | 第20页 |
1.4 多故障诊断技术研究现状 | 第20-21页 |
1.5 本文研究思路与主要研究内容 | 第21-25页 |
1.5.1 问题的提出 | 第21-22页 |
1.5.2 本文的研究思路 | 第22-23页 |
1.5.3 本文的主要内容及章节安排 | 第23-25页 |
第2章 齿轮箱的失效形式与故障特征分析 | 第25-34页 |
2.1 齿轮箱故障类型 | 第25-26页 |
2.2 齿轮故障分析 | 第26-30页 |
2.2.1 齿轮振动机理分析 | 第26-27页 |
2.2.2 齿轮故障类型 | 第27-28页 |
2.2.3 齿轮常见故障振动信号的频域特征 | 第28-29页 |
2.2.4 齿轮故障振动信号模型 | 第29-30页 |
2.3 滚动轴承故障分析 | 第30-33页 |
2.3.1 滚动轴承的基本结构 | 第30页 |
2.3.2 滚动轴承的振动机理 | 第30-31页 |
2.3.3 滚动轴承的故障类型 | 第31-32页 |
2.3.4 滚动轴承振动信号特征频率 | 第32-33页 |
2.3.5 滚动轴承故障振动信号模型 | 第33页 |
2.4 本章小结 | 第33-34页 |
第3章 基于形态分量分析的齿轮箱多故障诊断 | 第34-57页 |
3.1 引言 | 第34-35页 |
3.2 形态分量分析原理 | 第35-37页 |
3.2.1 形态分量分析的算法步骤 | 第36-37页 |
3.2.2 形态分量分析算法存在的不足 | 第37页 |
3.3 基于小波能量谱熵(WEE)的稀疏字典优化选择 | 第37-40页 |
3.3.1 稀疏字典的选择 | 第37页 |
3.3.2 信息熵的基本概念 | 第37-39页 |
3.3.3 基于小波能量谱熵(WEE)的稀疏字典优化选择 | 第39-40页 |
3.4 阈值函数的设计 | 第40-44页 |
3.4.1 小波阈值去噪 | 第40-42页 |
3.4.2 阈值的选取 | 第42-44页 |
3.4.2.1 模糊性度量 | 第43页 |
3.4.2.2 隶属度函数的确定 | 第43-44页 |
3.4.3 阈值函数的设计 | 第44页 |
3.5 基于形态分量分析的齿轮箱多故障诊断流程 | 第44-45页 |
3.6 算法仿真 | 第45-50页 |
3.6.1 仿真信号分析 | 第45-48页 |
3.6.2 抗噪性能分析 | 第48-50页 |
3.7 齿轮箱多故障诊断实例 | 第50-56页 |
3.7.1 齿轮断齿与滚动轴承外圈故障 | 第51-54页 |
3.7.2 齿轮裂纹与滚动轴承外圈故障 | 第54-56页 |
3.8 本章小结 | 第56-57页 |
第4章 基于波形匹配追踪的滚动轴承多故障诊断方法 | 第57-76页 |
4.1 引言 | 第57-58页 |
4.2 匹配追踪算法原理 | 第58-64页 |
4.2.1 匹配追踪算法 | 第58-59页 |
4.2.2 匹配追踪算法流程 | 第59-60页 |
4.2.3 过完备原子字典库 | 第60-64页 |
4.3 基于波形匹配追踪算法的滚动轴承多故障诊断 | 第64-67页 |
4.3.1 波形原子字典库的理论模型 | 第64-65页 |
4.3.2 冲击字典库的构造方法 | 第65-66页 |
4.3.3 波形匹配追踪算法的阈值设定 | 第66-67页 |
4.4 基于波形匹配追踪算法的轴承多故障故障诊断原理 | 第67-68页 |
4.5 算法仿真 | 第68-72页 |
4.5.1 仿真信号分析 | 第68-72页 |
4.6 基于波形匹配追踪算法的滚动轴承多故障诊断实例 | 第72-75页 |
4.6.1 滚动轴承多故障检测 | 第72-75页 |
4.7 本章小结 | 第75-76页 |
结论与展望 | 第76-78页 |
参考文献 | 第78-86页 |
致谢 | 第86-87页 |
附录A 攻读学位期间发表和录用的论文目录 | 第87页 |