| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 数据挖掘在齿轮副状态监测中的应用 | 第9-11页 |
| 1.2.2 齿轮副磨损状态监测参数的提取 | 第11-12页 |
| 1.2.3 磨粒群分形无标度区的辨识 | 第12-13页 |
| 1.3 选题及意义 | 第13-15页 |
| 1.3.1 研究问题的提出 | 第13-14页 |
| 1.3.2 研究目的及意义 | 第14-15页 |
| 1.4 论文的主要内容 | 第15-16页 |
| 2 齿轮副磨损状态参数数据挖掘系统架构及理论基础 | 第16-23页 |
| 2.1 数据挖掘系统概述 | 第16-17页 |
| 2.2 齿轮副磨损状态参数数据挖掘系统的系统架构 | 第17-18页 |
| 2.2.1 齿轮副磨损状态参数数据挖掘系统的总体结构 | 第17页 |
| 2.2.2 齿轮副磨损状态参数数据挖掘系统的关键技术 | 第17-18页 |
| 2.3 齿轮副磨损状态参数数据挖掘系统的理论基础 | 第18-22页 |
| 2.3.1 聚类理论 | 第18-20页 |
| 2.3.2 关联规则理论 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 油液监测参数和振动监测参数的选择及提取算法 | 第23-34页 |
| 3.1 油液监测参数的选择和提取算法 | 第23-30页 |
| 3.1.1 磨粒群常规参数 | 第23-24页 |
| 3.1.2 磨粒群分形参数 | 第24-25页 |
| 3.1.3 辨识磨粒群分形无标度区的新算法 | 第25-30页 |
| 3.2 振动监测参数的选择和提取算法 | 第30-33页 |
| 3.2.1 时域特征参数 | 第30-31页 |
| 3.2.2 频域特征参数 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 直齿圆柱齿轮副磨损实验 | 第34-49页 |
| 4.1 实验目的及要求 | 第34页 |
| 4.2 实验台架及实验齿轮箱的设计 | 第34-36页 |
| 4.3 实验数据的获取及实验载荷的确定 | 第36-37页 |
| 4.4 实验过程及实验结果 | 第37-40页 |
| 4.4.1 实验过程 | 第37页 |
| 4.4.2 实验结果 | 第37-40页 |
| 4.5 油液参数与振动参数的筛选 | 第40-48页 |
| 4.5.1 油液参数与振动参数的筛选过程 | 第40-42页 |
| 4.5.2 油液参数与振动参数的筛选结果 | 第42-48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 基于聚类的齿轮副磨损状态划分 | 第49-59页 |
| 5.1 齿轮副磨损状态的划分方法 | 第49-50页 |
| 5.2 聚类参数的处理 | 第50-51页 |
| 5.3 齿轮副磨损状态监测参数的层次聚类划分 | 第51-54页 |
| 5.4 齿轮副磨损状态监测参数的K-Means聚类划分 | 第54-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 齿轮副磨损状态的关联规则挖掘识别 | 第59-66页 |
| 6.1 齿轮副磨损状态的关联规则挖掘任务分析 | 第59-60页 |
| 6.2 关联规则挖掘过程及结果分析 | 第60-64页 |
| 6.2.1 监测参数的离散化 | 第60-61页 |
| 6.2.2 关联规则挖掘结果分析 | 第61-62页 |
| 6.2.3 关联规则的模式匹配算法 | 第62-63页 |
| 6.2.4 关联规则模型的验证 | 第63-64页 |
| 6.3 齿轮副磨损状态监测参数数据挖掘系统的应用步骤 | 第64-65页 |
| 6.4 本章小结 | 第65-66页 |
| 7 结论与展望 | 第66-68页 |
| 7.1 结论 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间主要的研究成果目录 | 第73-74页 |
| 致谢 | 第74页 |
