| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 概述 | 第8页 |
| 1.2 课题背景及研究意义 | 第8-9页 |
| 1.3 课题国内外研究现状 | 第9-12页 |
| 1.3.1 轨道车辆车轴故障诊断现状 | 第9-10页 |
| 1.3.2 声发射检测发展及研究现状 | 第10-12页 |
| 1.4 论文研究思路以及主要研究内容 | 第12-14页 |
| 1.4.1 论文研究思路 | 第12页 |
| 1.4.2 论文的主要研究内容 | 第12-14页 |
| 第二章 轨道车辆车轴的故障机理及故障诊断方法 | 第14-22页 |
| 2.1 车轴故障成因及表现形式 | 第14页 |
| 2.2 车轴疲劳裂纹分析以及检测方法 | 第14-17页 |
| 2.3 车轴裂纹的产生部位 | 第17页 |
| 2.4 常见的故障诊断方法 | 第17-18页 |
| 2.4.1 时域分析方法 | 第17-18页 |
| 2.4.2 频谱分析方法 | 第18页 |
| 2.4.3 时频分析法 | 第18页 |
| 2.5 车轴信号的自相关降噪 | 第18-21页 |
| 2.5.1 自相关降噪原理 | 第19页 |
| 2.5.2 仿真信号分析 | 第19-21页 |
| 本章小结 | 第21-22页 |
| 第三章 局域均值分解方法理论研究与仿真分析 | 第22-41页 |
| 3.1 局部均值分解信号处理基础 | 第22-25页 |
| 3.1.1 瞬时频率 | 第22-23页 |
| 3.1.2 调幅和调频信号 | 第23-25页 |
| 3.2 局部均值分解基本原理与算法 | 第25-28页 |
| 3.3 经验模态分解基本原理与算法 | 第28-30页 |
| 3.4 LMD与EMD的联系与区别 | 第30-33页 |
| 3.4.1 LMD与EMD方法比较 | 第30页 |
| 3.4.2 LMD的仿真分析 | 第30-33页 |
| 3.4.3 LMD与EMD仿真对比 | 第33页 |
| 3.5 基于改进的LMD仿真信号分析 | 第33-35页 |
| 3.6 基于改进的LMD实测信号分析 | 第35-40页 |
| 本章小结 | 第40-41页 |
| 第四章 基于LMD车轴声发射特征提取分析 | 第41-61页 |
| 4.1 声发射检测技术概述 | 第41-43页 |
| 4.1.1 声发射技术的原理 | 第41页 |
| 4.1.2 声发射信号的特点 | 第41-42页 |
| 4.1.3 声发射技术的应用 | 第42页 |
| 4.1.4 声发射信号的特征及处理方法 | 第42-43页 |
| 4.2 车轴裂纹声发射检测实验 | 第43-53页 |
| 4.2.1 实验设备 | 第43-48页 |
| 4.2.2 实验方案 | 第48-49页 |
| 4.2.3 实测信号预处理 | 第49-53页 |
| 4.3 基于LMD和峭度的故障特征提取方法 | 第53-54页 |
| 4.4 基于LMD和样本熵的故障特征提取方法 | 第54-58页 |
| 4.4.1 熵的基本概念 | 第54-55页 |
| 4.4.2 样本熵理论 | 第55页 |
| 4.4.3 样本熵算法及参数选取 | 第55-56页 |
| 4.4.4 基于LMD和样本熵的特征提取方法 | 第56-58页 |
| 4.5 基于LMD和Lemple-Ziv复杂度的特征提取方法 | 第58-60页 |
| 4.5.1 Lemple-Ziv复杂度的理论 | 第58页 |
| 4.5.2 Lemple-Ziv原理及算法 | 第58-59页 |
| 4.5.3 基于LMD和Lemple-Ziv复杂度的故障特征提取 | 第59-60页 |
| 本章小结 | 第60-61页 |
| 第五章 结论与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |