基于盲源分离的齿轮箱故障诊断研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 齿轮箱故障诊断发展现状 | 第9-11页 |
| 1.2.1 齿轮箱单一故障诊断发展 | 第9-10页 |
| 1.2.2 齿轮箱复合故障诊断现状 | 第10-11页 |
| 1.3 盲源分离理论发展现状 | 第11-12页 |
| 1.3.1 经典盲源分离理论发展 | 第11页 |
| 1.3.2 单通道盲源分离理论现状 | 第11-12页 |
| 1.4 论文章节安排及创新点 | 第12-14页 |
| 1.4.1 论文章节安排 | 第12-13页 |
| 1.4.2 论文创新点 | 第13-14页 |
| 第二章 齿轮箱故障特征及振动信号分析 | 第14-22页 |
| 2.1 齿轮故障类型及振动特征 | 第14-15页 |
| 2.2 轴承故障类型及振动特征 | 第15-17页 |
| 2.3 齿轮箱振动特征分析 | 第17页 |
| 2.4 齿轮箱振动信号的分析方法 | 第17-20页 |
| 2.4.1 时域分析 | 第17-18页 |
| 2.4.2 频域分析 | 第18-20页 |
| 2.4.3 时频域分析 | 第20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 盲源分离理论 | 第22-33页 |
| 3.1 盲源分离的数学模型 | 第22-25页 |
| 3.1.1 线性瞬时模型 | 第22-23页 |
| 3.1.2 线性卷积模型 | 第23-24页 |
| 3.1.3 非线性模型 | 第24页 |
| 3.1.4 模型讨论 | 第24-25页 |
| 3.2 盲源分离的假设和特性 | 第25-26页 |
| 3.2.1 盲源分离的基本假设 | 第25页 |
| 3.2.2 分离结果的不确定性 | 第25-26页 |
| 3.3 盲源分离的预处理 | 第26页 |
| 3.3.1 去均值 | 第26页 |
| 3.3.2 白化处理 | 第26页 |
| 3.4 经典盲源分离算法 | 第26-28页 |
| 3.4.1 FastICA算法 | 第27-28页 |
| 3.4.2 JADE算法 | 第28页 |
| 3.5 盲源分离性能评价 | 第28-29页 |
| 3.5.1 相关系数 | 第28-29页 |
| 3.5.2 输出信噪比 | 第29页 |
| 3.6 算法仿真分析 | 第29-32页 |
| 3.7 本章小节 | 第32-33页 |
| 第四章 单通道盲源分离算法 | 第33-48页 |
| 4.1 虚拟通道法 | 第33-34页 |
| 4.2 EMD和EEMD算法 | 第34-37页 |
| 4.2.1 EMD分解过程 | 第34-36页 |
| 4.2.2 EEMD算法步骤 | 第36-37页 |
| 4.3 源数估计及有效IMF分量的选择 | 第37-39页 |
| 4.3.1 SVD源数估计 | 第37-38页 |
| 4.3.2 有效IMF分量的选择标准 | 第38-39页 |
| 4.4 EEMD-SVD-JADE算法及仿真分析 | 第39-47页 |
| 4.4.1 EEMD-SVD-JADE算法 | 第39-40页 |
| 4.4.2 算法仿真分析 | 第40-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 噪声环境下的盲源分离问题 | 第48-59页 |
| 5.1 噪声环境下的盲源分离模型 | 第48-50页 |
| 5.2 自相关降噪 | 第50-52页 |
| 5.3 奇异值降噪 | 第52-58页 |
| 5.3.1 传统奇异值差分谱降噪 | 第52-56页 |
| 5.3.2 改进的奇异值差分谱降噪 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 盲源分离在齿轮箱故障诊断中的应用 | 第59-69页 |
| 6.1 齿轮箱故障实验台简介 | 第59-61页 |
| 6.1.1 齿轮箱实验台传动系统 | 第59-60页 |
| 6.1.2 实验振动信号采集系统 | 第60-61页 |
| 6.2 齿轮箱复合故障诊断实验分析 | 第61-68页 |
| 6.2.1 实验工况介绍 | 第61-62页 |
| 6.2.2 实验数据分析 | 第62-68页 |
| 6.3 本章小结 | 第68-69页 |
| 第七章 结论与展望 | 第69-71页 |
| 7.1 结论 | 第69页 |
| 7.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第76页 |
