| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 选题的背景及意义 | 第11-13页 |
| 1.2 国内外研究的现状 | 第13-16页 |
| 1.2.1 国内齿轮箱在线监测与故障诊断技术研究现状 | 第13-15页 |
| 1.2.2 国外齿轮箱在线监测与故障诊断技术研究现状 | 第15-16页 |
| 1.3 研究对象常见失效形式及失效原因 | 第16-18页 |
| 1.3.1 齿轮的主要失效形式及失效原因 | 第16-17页 |
| 1.3.2 滚动轴承的主要失效形式及失效原因 | 第17-18页 |
| 1.4 论文研究内容 | 第18-20页 |
| 第二章 风力发电机组齿轮箱故障振动机理及信号分析方法 | 第20-35页 |
| 2.1 齿轮、轴承的故障特征分析 | 第20-23页 |
| 2.1.1 齿轮的基本参数、故障特征频率及频谱特征 | 第20-21页 |
| 2.1.2 滚动轴承的基本参数、故障特征频率及频谱特征 | 第21-23页 |
| 2.2 振动信号调制现象 | 第23-25页 |
| 2.3 基于振动信号的故障诊断方法 | 第25-28页 |
| 2.3.1 时域特征分析 | 第25-27页 |
| 2.3.2 频域特征分析 | 第27-28页 |
| 2.4 时频分析方法 | 第28-34页 |
| 2.4.1 小波变换理论 | 第29-31页 |
| 2.4.2 小波包理论 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 风力发电齿轮箱振动信号去噪及特征提取分析 | 第35-53页 |
| 3.1 齿轮箱实验平台搭建 | 第35-39页 |
| 3.2 小波阈值降噪 | 第39-41页 |
| 3.2.1 阈值选取规则 | 第40-41页 |
| 3.2.2 阈值函数 | 第41页 |
| 3.3 改进的阈值选取规则和阈值函数 | 第41-46页 |
| 3.3.1 仿真分析 | 第42-44页 |
| 3.3.2 试验验证 | 第44-46页 |
| 3.4 基于小波变换的包络频谱分析 | 第46-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于小波包的风力发电齿轮箱故障诊断方法研究 | 第53-62页 |
| 4.1 基于小波包频带能量分析法的故障特征提取 | 第53-54页 |
| 4.1.1 小波包特征提取理论 | 第53-54页 |
| 4.1.2 小波包特征提取步骤 | 第54页 |
| 4.2 支持向量机理论 | 第54-57页 |
| 4.2.1 最优超平面 | 第55-56页 |
| 4.2.2 核函数 | 第56-57页 |
| 4.3 能量矩参数引入 | 第57-60页 |
| 4.3.1 仿真实验验证 | 第58-59页 |
| 4.3.2 试验验证 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 改进的SVM在风力发电齿轮箱故障诊断中的应用 | 第62-70页 |
| 5.1 概述 | 第62页 |
| 5.2 混合核函数 | 第62-63页 |
| 5.3 SVM相关参数的选择方法 | 第63-64页 |
| 5.3.1 交叉验证的方法 | 第63-64页 |
| 5.3.2 基于粒子群优化SVM相关参数选择方法 | 第64页 |
| 5.4 基于混合核函数的PSO-SVM | 第64-69页 |
| 5.4.1 基于UCI数据集的PSO-SVM（混合核函数）算法验证 | 第66-67页 |
| 5.4.2 基于混合核函数的齿轮箱故障诊断实例分析 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78页 |
