基于EMD的齿轮箱故障特征提取方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题的选题和研究背景 | 第9页 |
| ·齿轮箱的故障形式和课题研究的意义 | 第9-11页 |
| ·齿轮的故障形式 | 第9-10页 |
| ·轴承故障形式 | 第10页 |
| ·课题的研究意义 | 第10-11页 |
| ·齿轮箱故障研究的国内外现状 | 第11-12页 |
| ·本文主要工作和结构安排 | 第12-15页 |
| 2 一般常用的振动检测方法介绍 | 第15-27页 |
| ·齿轮传动的力学模型 | 第16-18页 |
| ·齿轮箱的振动信号的传统处理方法 | 第18-25页 |
| ·时域分析法 | 第18页 |
| ·频域分析法 | 第18-21页 |
| ·时频域分析法及其应用 | 第21-25页 |
| ·本章小结 | 第25-27页 |
| 3 EMD方法的研究 | 第27-38页 |
| ·Hilbert-Huang变换与经验模式分解 | 第27-32页 |
| ·基于经验模式分解的Hilbert变换 | 第27-30页 |
| ·Hilbert谱 | 第30-32页 |
| ·EMD综合方法研究 | 第32-37页 |
| ·支持向量机 | 第32-34页 |
| ·EMD和支持向量机结合 | 第34-36页 |
| ·基于EMD奇异值熵法在齿轮箱故障检测中的应用 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于EMD时域特征提取方法 | 第38-51页 |
| ·基于PCA的幅值分析特征提取 | 第38-44页 |
| ·PCA法介绍 | 第38页 |
| ·PCA在齿轮箱传感器检测中的应用 | 第38-44页 |
| ·神经网络建模并进行预测 | 第44-48页 |
| ·前馈型网络结构和反馈网络结构 | 第45-47页 |
| ·向后传播算法 | 第47-48页 |
| ·PCA法在轮箱故障诊断预测中的应用 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5 基于EMD的时频域故障提取方法 | 第51-59页 |
| ·流形算法——LPP算法 | 第51-53页 |
| ·LPP算法在轴承故障诊断中的应用 | 第53-55页 |
| ·HHT谱分析的LPP方法实验验 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 6 齿轮箱故障检测系统总体设计和开发 | 第59-64页 |
| ·系统总体方案设计 | 第59页 |
| ·系统界面 | 第59-61页 |
| ·具体信号的分析 | 第61-63页 |
| ·时、频域分析模块 | 第61-62页 |
| ·小波分析模块 | 第62-63页 |
| ·EMD分析模块 | 第63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
