变工况齿轮故障诊断方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 选题意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 信号处理技术 | 第10页 |
| 1.2.2 预处理 | 第10-11页 |
| 1.2.3 故障解调 | 第11页 |
| 1.2.4 故障模式识别方法的应用 | 第11-12页 |
| 1.3 论文研究内容 | 第12-15页 |
| 第2章 基于阶次分析的变工况齿轮信号采集 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 变工况信号分析 | 第15-16页 |
| 2.3 阶次分析基本原理 | 第16-17页 |
| 2.4 计算阶次分析 | 第17-18页 |
| 2.5 硬件系统部分 | 第18-20页 |
| 2.5.1 编码器的选型 | 第18页 |
| 2.5.2 传感器调理电路设计 | 第18-20页 |
| 2.6 数据采集系统 | 第20-23页 |
| 2.6.1 需求分析以及采集卡选用 | 第20-21页 |
| 2.6.2 Labview程序 | 第21-23页 |
| 2.7 实验验证 | 第23-24页 |
| 2.8 本章小结 | 第24-25页 |
| 第3章 变工况齿轮机理分析 | 第25-31页 |
| 3.1 引言 | 第25页 |
| 3.2 齿轮振动机理分析 | 第25-27页 |
| 3.2.1 齿轮振动的参数 | 第25-26页 |
| 3.2.2 齿轮振动的数学模型 | 第26-27页 |
| 3.3 齿轮故障主要类型以及分析 | 第27页 |
| 3.4 变工况齿轮故障特征 | 第27-30页 |
| 3.4.1 变工况振动信号分析 | 第28-29页 |
| 3.4.2 变工况故障特征分析 | 第29-30页 |
| 3.4.3 齿轮角域信号分析 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 变工况齿轮角域信号去噪方法研究 | 第31-45页 |
| 4.1 引言 | 第31页 |
| 4.2 角域信号噪声分析 | 第31页 |
| 4.3 经验模式分解 | 第31-35页 |
| 4.3.1 基本模式分量 | 第31-32页 |
| 4.3.2 EMD算法的原理 | 第32-34页 |
| 4.3.3 EMD方法端点效应 | 第34-35页 |
| 4.4 基于镜像延拓的改进EMD方法 | 第35-37页 |
| 4.4.1 镜像延拓 | 第35-36页 |
| 4.4.2 改进EMD方法 | 第36-37页 |
| 4.5 EMD去噪方法 | 第37-38页 |
| 4.6 改进的EMD去噪 | 第38-44页 |
| 4.6.1 实验仿真 | 第38-42页 |
| 4.6.2 实验验证 | 第42-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 变工况齿轮角域信号Hilbert解调 | 第45-53页 |
| 5.1 引言 | 第45页 |
| 5.2 角域信号特征阶次分析 | 第45-46页 |
| 5.3 Hilbert解调 | 第46-48页 |
| 5.3.1 Hilbert解调原理 | 第46-47页 |
| 5.3.2 改进Hilbert解调 | 第47-48页 |
| 5.4 实验仿真 | 第48-49页 |
| 5.5 实验验证 | 第49-51页 |
| 5.6 本章小结 | 第51-53页 |
| 第6章 基于BP神经网络的变工况齿轮模式识别 | 第53-61页 |
| 6.1 引言 | 第53页 |
| 6.2 BP神经网络算法与原理 | 第53-56页 |
| 6.2.1 BP网络的组成以及节点数目确定 | 第53-54页 |
| 6.2.2 BP神经网络算法原理 | 第54-55页 |
| 6.2.3 BP神经网络基本步骤 | 第55-56页 |
| 6.3 BP神经网络在变工况齿轮故障诊断中的应用 | 第56-60页 |
| 6.3.1 故障特征参量选择 | 第56-59页 |
| 6.3.2 BP神经网络训练与实验分析 | 第59-60页 |
| 6.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间所发表的论文 | 第69-71页 |
| 致谢 | 第71页 |
