首页--交通运输论文--铁路运输论文--车辆工程论文--车辆运用、保养与检修论文--车辆检修、检修设备与列检自动化论文

基于局部均值分解流形学习地铁齿轮箱故障诊断研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第10-16页
    1.1 研究背景和研究意义第10页
    1.2 故障诊断的发展第10-11页
    1.3 国内外研究现状第11-14页
    1.4 论文的研究内容和章节安排第14-16页
        1.4.1 论文研究内容第14页
        1.4.2 论文章节安排第14-16页
第2章 地铁齿轮箱振动与故障机理第16-25页
    2.1 地铁齿轮箱原理与结构组成第16-17页
    2.2 地铁齿轮箱典型故障第17-20页
        2.2.1 正常齿轮第17-18页
        2.2.2 齿轮均匀磨损第18-19页
        2.2.3 齿轮局部异常第19-20页
    2.3 地铁齿轮箱故障特征第20-24页
        2.3.1 啮合频率及其谐波第20-21页
        2.3.2 齿轮振动波形调制第21-23页
        2.3.3 齿轮固有频率调制第23-24页
    2.4 本章小结第24-25页
第3章 局部均值分解方法及改进第25-37页
    3.1 局部均值分解算法发展第25页
    3.2 局部均值分解算法第25-27页
    3.3 局部均值分解仿真研究第27-29页
    3.4 局部均值算法改进第29-36页
        3.4.1 端点效应第29-30页
        3.4.2 基于自适应匹配波形的改进LMD方法第30-31页
        3.4.3 改进LMD算法的应用第31-36页
    3.5 本章小结第36-37页
第4章 模糊熵、流形学习和PF分量中敏感分量的提取研究第37-57页
    4.1 模糊熵理论第37-44页
        4.1.1 熵概念的发展第37-38页
        4.1.2 模糊熵理论第38-39页
        4.1.3 模糊熵参数确定第39-40页
        4.1.4 实验第40-44页
    4.2 综合多种信号特征的敏感分量提取方法第44-54页
        4.2.1 PF分量中的敏感分量与虚假分量第45-46页
        4.2.2 时频域指标选择第46-47页
        4.2.3 指标的分类原则第47-48页
        4.2.4 敏感分量的具体筛选提取第48页
        4.2.5 实验验证第48-54页
    4.3 流形学习理论第54-56页
    4.4 本章小结第56-57页
第5章 基于局部均值分解流形学习齿轮故障研究应用第57-80页
    5.1 实验系统装置第57-60页
        5.1.1 地铁齿轮箱故障检测模拟试验台第57-58页
        5.1.2 论文选用故障齿轮分析第58-59页
        5.1.3 地铁齿轮箱试验台数据采集系统第59-60页
    5.2 综合改进方法处理齿轮箱齿轮故障流程第60-61页
    5.3 实验数据收集第61-62页
    5.4 数据处理第62-79页
        5.4.1 数据时域、频域分析第64-67页
        5.4.2 改进后LMD处理第67-71页
        5.4.3 PF分量中敏感分量的提取分析第71-74页
        5.4.4 模糊熵分析第74-77页
        5.4.5 流形学习降维第77-79页
    5.5 本章小结第79-80页
结论与展望第80-82页
    结论第80页
    不足与展望第80-82页
致谢第82-83页
参考文献第83-88页
硕士期间论文成果第88-89页

论文共89页,点击 下载论文
上一篇:地铁车辆齿轮箱传动齿轮弯曲疲劳寿命研究
下一篇:高速列车液压减振器结构优化与动力学性能的研究