| 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 |