| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 齿轮箱故障诊断的研究现状 | 第11-12页 |
| 1.2.2 神经网络研究现状 | 第12-14页 |
| 1.2.3 智能故障诊断技术的研究现状 | 第14页 |
| 1.3 鱼群算法的研究发展 | 第14-16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 第二章 齿轮箱典型故障及振动机理研究 | 第18-36页 |
| 2.1 齿轮箱的典型故障类型 | 第18-23页 |
| 2.1.1 齿轮的常见故障形式 | 第19-21页 |
| 2.1.2 轴承的常见故障形式 | 第21-23页 |
| 2.2 齿轮箱振动机理 | 第23-27页 |
| 2.2.1 齿轮的振动信号产生机理 | 第23-25页 |
| 2.2.2 滚动轴承的振动信号产生机理 | 第25-27页 |
| 2.3 时频域分析常用的特征指标 | 第27-29页 |
| 2.4 频域分析技术 | 第29-32页 |
| 2.4.1 功率谱分析 | 第30页 |
| 2.4.2 倒频谱分析 | 第30-31页 |
| 2.4.3 细化谱分析 | 第31页 |
| 2.4.4 包络谱分析 | 第31-32页 |
| 2.5 时频分析技术 | 第32-35页 |
| 2.5.1 小波分析 | 第32-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 鱼群算法及其改进 | 第36-45页 |
| 3.1 鱼群算法 | 第36-40页 |
| 3.1.1 鱼群算法基本原理 | 第36页 |
| 3.1.2 人工鱼的定义 | 第36-37页 |
| 3.1.3 人工鱼的基本行为规则 | 第37-39页 |
| 3.1.4 基本参数设置与分析 | 第39页 |
| 3.1.5 算法流程 | 第39-40页 |
| 3.2 改进的鱼群算法行为描述 | 第40-44页 |
| 3.2.1 自适应邻域结构 | 第40-41页 |
| 3.2.2 视野和步长 | 第41-42页 |
| 3.2.3 公告板和拥挤度因子 | 第42页 |
| 3.2.4 聚群行为 | 第42页 |
| 3.2.5 追尾行为 | 第42-43页 |
| 3.2.6 觅食行为 | 第43页 |
| 3.2.7 ADAFSA算法流程及步骤 | 第43-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 改进的鱼群算法优化BP神经网络 | 第45-57页 |
| 4.1 人工神经网络 | 第45-50页 |
| 4.1.1 人工神经网络的特点 | 第45-46页 |
| 4.1.2 BP神经网络的学习规则 | 第46-49页 |
| 4.1.3 BP网络的实现步骤与流程 | 第49-50页 |
| 4.2 ADAFSA-BP网络模型 | 第50-52页 |
| 4.2.1 ADAFSA-BP的基本思想 | 第50-51页 |
| 4.2.2 ADAFSA-BP的步骤与流程 | 第51-52页 |
| 4.3 仿真实验 | 第52-56页 |
| 4.3.1 ADAFSA-BP模型参数及样本数据的设置 | 第52页 |
| 4.3.2 ADAFSA-BP模型训练结果及分析 | 第52-54页 |
| 4.3.3 ADAFSA-BP算法模型与BP算法仿真结果对比 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 ADAFSA-BP在齿轮箱故障诊断中的应用 | 第57-76页 |
| 5.1 基于ADAFSA-BP模型的齿轮箱故障诊断方案 | 第57-58页 |
| 5.2 齿轮箱故障诊断实验 | 第58-65页 |
| 5.2.1 实验系统设置 | 第58-60页 |
| 5.2.2 齿轮箱故障设置 | 第60-61页 |
| 5.2.3 测点的选取 | 第61-62页 |
| 5.2.4 齿轮箱振动信号采集 | 第62-64页 |
| 5.2.5 故障特征参数的选择 | 第64-65页 |
| 5.3 神经网络结构设置 | 第65-68页 |
| 5.3.1 构建神经网络的样本数据集 | 第65页 |
| 5.3.2 特征参数的归一化处理 | 第65-67页 |
| 5.3.3 神经网络的标准输入与输出设置 | 第67-68页 |
| 5.4 ADAFSA-BP模型在齿轮箱故障诊断中的应用 | 第68-70页 |
| 5.4.1 ADAFSA-BP模型参数设置 | 第68-69页 |
| 5.4.2 改进的鱼群算法优化神经网络的仿真结果 | 第69-70页 |
| 5.5 BP网络、AFSA-BP、ADAFSA-BP三种算法实验结果对比 | 第70-75页 |
| 5.6 本章小结 | 第75-76页 |
| 第六章 结论与展望 | 第76-78页 |
| 6.1 研究结论 | 第76页 |
| 6.2 课题展望 | 第76-78页 |
| 附录 | 第78-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间所取得的研究成果 | 第88-89页 |
| 致谢 | 第89-90页 |
